OpenCV环境下对图像进行灰度拉伸变换的C++源码【设置低阈值和高阈值、通过映射表实现】

如果图像的灰度值集中在某一区间，则不利于我们对图像的观察，这时候我们可以对图像作灰度拉伸处理。

可以把灰度值拉伸到0~255，比如博文 https://blog.csdn.net/wenhao_ir/article/details/51658765就是将灰度值拉到了0~255。

当然也可把图像的灰度值拉伸到指定的区间。

具体思路如下：

对灰度值设置上下两个阈值，分别记为iLow和iHigh，小于iLow的像素点的灰度值置为0，大于iHigh的灰度值置为255，位于[iLow iHigh]区间内的点用式子s=T(r)=255*(r-a)/(b-a)进行线性灰度变换。这里a=iLow、b=iHigh。

在OpenCV环境下实现上述路思路的C++代码如下：

注意：以下代码最大的作用还是为大家学习理解图像处理基本原理之用。因为下面的代码完全可以被下面这句代码代替：

normalize(srcGray, histTransResult, iLow, iHigh, NORM_MINMAX);

上面这句代码比下面的代码效果更好，下面的代码把阈值之外的像素点都直接排除了，但是上面这条语句不会。

关于OpenCV的函数normalize()的详细讲解，可参考博文 https://blog.csdn.net/wenhao_ir/article/details/125619073

代码中用到的图像的下载链接：https://pan.baidu.com/s/16zMiNrLOxezJBpJ5AGIOQw 提取码：w1u6 

//opencv版本:OpenCV3.0
//VS版本:VS2012
//原文地址:https://blog.csdn.net/wenhao_ir/article/details/51604520

#include <opencv2/core/core.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
int main()
{
   	// 图像获取及验证
 	cv::Mat srcImage = cv::imread("F:/material/images/P0029-pout-01.tif");
  	if( !srcImage.data ) 
    	return 1;
    // 转化为灰度图像
    cv::Mat srcGray;
    cvtColor(srcImage, srcGray, CV_BGR2GRAY);
    // 第一步：计算图像的直方图
    const int channels[1]={0};
    const int histSize[1]={256};
    float hranges[2]={0,255};
    const float* ranges[1]={hranges};
    cv::MatND hist;
    calcHist(&srcGray,1,channels,cv::Mat(),
               hist,1,histSize,ranges);
    // 第二步：根据预设参数统计灰度级变换
    int segThreshold = 50;
    // 由低到高进行查找
	int iLow =0;
	for (; iLow < histSize[0]; iLow++) {
		if (hist.at<float>(iLow) > segThreshold) {
			break;
		}
	}
	// 由高到低进行查找
	int iHigh = histSize[0] -1;
	for (; iHigh >=0; iHigh--) {
		if (hist.at<float>(iHigh) > segThreshold) {
			break;
		}
	}
	// 第三步：建立查找表
	cv::Mat lookUpTable(cv::Size(1, 256), CV_8U);
	for (int i =0; i <256; i++) {
		if (i < iLow ){
			lookUpTable.at<uchar>(i) =0;
		} else if (i > iHigh) {
			lookUpTable.at<uchar>(i) = 255;
		} else {
			lookUpTable.at<uchar>(i) = static_cast<uchar>(
           255.0 * (i - iLow) / (iHigh - iLow ));
		}
	}
	// 第四步：通过查找表进行映射变换
	cv::Mat histTransResult;
	cv::LUT(srcGray, lookUpTable, histTransResult);
    // 显示图像
	cv::imshow("srcGray",srcGray);
	cv::imshow("histTransResult",histTransResult);
	cv::imwrite("histTransResult.tif",histTransResult);
	cv::waitKey(0);
	return 0;
}

运行果结如下图所示：

从这个运行结果我们可以看出，经过灰度拉伸处理，图像的细节和层次被凸显了，也更便于我们观察了。 

我们对两幅图像分别进行直方图绘制，结果如下：

 按本文中的方法进行直方图均衡化后的直方图：

 从上面的两幅直方图我们可以看出，按本文的思路处理后，图像的灰度值区间确实被拉伸了。