C++使用opencv处理图像阴影部分

1. 直方图均衡化

直方图均衡化是一种增强图像对比度的方法，可以通过均衡化图像的灰度级分布来改善图像中阴影部分的亮度。

#include <opencv2/opencv.hpp>

using namespace cv;

int main() {
    // 读取图像
    Mat image = imread("input_image.jpg", IMREAD_COLOR);
    if (image.empty()) {
        std::cerr << "Error loading image!" << std::endl;
        return -1;
    }
    
    // 将图像转换为灰度图
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);
    
    // 应用直方图均衡化
    Mat equalized;
    equalizeHist(gray, equalized);
    
    // 显示原始图像和均衡化后的图像
    imshow("Original Image", gray);
    imshow("Equalized Image", equalized);
    
    waitKey(0);
    
    return 0;
}

2. 自适应直方图均衡化

自适应直方图均衡化可以更好地处理局部区域的对比度问题，因此特别适合处理阴影部分。

#include <opencv2/opencv.hpp>

using namespace cv;

int main() {
    // 读取图像
    Mat image = imread("input_image.jpg", IMREAD_COLOR);
    if (image.empty()) {
        std::cerr << "Error loading image!" << std::endl;
        return -1;
    }
    
    // 将图像转换为灰度图
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);
    
    // 应用自适应直方图均衡化
    Mat equalized;
    Ptr<CLAHE> clahe = createCLAHE();
    clahe->setClipLimit(4);  // 设置限制参数
    clahe->apply(gray, equalized);
    
    // 显示原始图像和均衡化后的图像
    imshow("Original Image", gray);
    imshow("CLAHE Image", equalized);
    
    waitKey(0);
    
    return 0;
}

3. 使用滤波器

有时可以通过使用滤波器来减少阴影的影响，例如使用高斯滤波器平滑图像，或者使用形态学操作来改善图像的局部对比度。

#include <opencv2/opencv.hpp>

using namespace cv;

int main() {
    // 读取图像
    Mat image = imread("input_image.jpg", IMREAD_COLOR);
    if (image.empty()) {
        std::cerr << "Error loading image!" << std::endl;
        return -1;
    }
    
    // 将图像转换为灰度图
    Mat gray;
    cvtColor(image, gray, COLOR_BGR2GRAY);
    
    // 使用高斯滤波器平滑图像
    Mat blurred;
    GaussianBlur(gray, blurred, Size(5, 5), 0);
    
    // 显示原始图像和平滑后的图像
    imshow("Original Image", gray);
    imshow("Blurred Image", blurred);
    
    waitKey(0);
    
    return 0;
}