http://blog.csdn.net/dcrmg/article/details/53677739

1. 基于直方图均衡化的图像增强

 
直方图均衡化是通过调整图像的灰阶分布,使得在0~255灰阶上的分布更加均衡,提高了图像的对比度,达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。
 
彩色图像的直方图均衡化实现:
  1. #include <opencv2/highgui/highgui.hpp>
  2. #include <opencv2/imgproc/imgproc.hpp>
  3. #include <iostream>
  4. using namespace cv;
  5. int main(int argc, char *argv[])
  6. {
  7. Mat image = imread("Test.jpg", 1);
  8. if (image.empty())
  9. {
  10. std::cout << "打开图片失败,请检查" << std::endl;
  11. return -1;
  12. }
  13. imshow("原图像", image);
  14. Mat imageRGB[3];
  15. split(image, imageRGB);
  16. for (int i = 0; i < 3; i++)
  17. {
  18. equalizeHist(imageRGB[i], imageRGB[i]);
  19. }
  20. merge(imageRGB, 3, image);
  21. imshow("直方图均衡化图像增强效果", image);
  22. waitKey();
  23. return 0;
  24. }
 
直方图均衡化增强前原图像:
 
直方图均衡化增强后效果:
 
 

2. 基于拉普拉斯算子的图像增强

 
使用中心为5的8邻域拉普拉斯算子与图像卷积可以达到锐化增强图像的目的,拉普拉斯算子如下图所示:
      
  
 
拉普拉斯算子可以增强局部的图像对比度:
  1. #include <opencv2/highgui/highgui.hpp>
  2. #include <opencv2/imgproc/imgproc.hpp>
  3. #include <iostream>
  4. using namespace cv;
  5. int main(int argc, char *argv[])
  6. {
  7. Mat image = imread("Test.jpg", 1);
  8. if (image.empty())
  9. {
  10. std::cout << "打开图片失败,请检查" << std::endl;
  11. return -1;
  12. }
  13. imshow("原图像", image);
  14. Mat imageEnhance;
  15. Mat kernel = (Mat_<float>(3, 3) << 0, -1, 0, 0, 5, 0, 0, -1, 0);
  16. filter2D(image, imageEnhance, CV_8UC3, kernel);
  17. imshow("拉普拉斯算子图像增强效果", imageEnhance);
  18. waitKey();
  19. return 0;
  20. }
拉普拉斯算子增强前原图像:
 
拉普拉斯算子增强后效果:
 

3. 基于对数Log变换的图像增强

 

对数变换可以将图像的低灰度值部分扩展,显示出低灰度部分更多的细节,将其高灰度值部分压缩,减少高灰度值部分的细节,从而达到强调图像低灰度部分的目的。变换方法:

对数变换对图像低灰度部分细节增强的功能过可以从对数图上直观理解:

x轴的0.4大约对应了y轴的0.8,即原图上0~0.4的低灰度部分经过对数运算后扩展到0~0.8的部分,而整个0.4~1的高灰度部分被投影到只有0.8~1的区间,这样就达到了扩展和增强低灰度部分,压缩高灰度部分的值的功能。

从上图还可以看到,对于不同的底数,底数越大,对低灰度部分的扩展就越强,对高灰度部分的压缩也就越强。

  1. #include <opencv2/highgui/highgui.hpp>
  2. #include <opencv2/imgproc/imgproc.hpp>
  3. using namespace cv;
  4. int main(int argc, char *argv[])
  5. {
  6. Mat image = imread("Test.jpg");
  7. Mat imageLog(image.size(), CV_32FC3);
  8. for (int i = 0; i < image.rows; i++)
  9. {
  10. for (int j = 0; j < image.cols; j++)
  11. {
  12. imageLog.at<Vec3f>(i, j)[0] = log(1 + image.at<Vec3b>(i, j)[0]);
  13. imageLog.at<Vec3f>(i, j)[1] = log(1 + image.at<Vec3b>(i, j)[1]);
  14. imageLog.at<Vec3f>(i, j)[2] = log(1 + image.at<Vec3b>(i, j)[2]);
  15. }
  16. }
  17. //归一化到0~255
  18. normalize(imageLog, imageLog, 0, 255, CV_MINMAX);
  19. //转换成8bit图像显示
  20. convertScaleAbs(imageLog, imageLog);
  21. imshow("Soure", image);
  22. imshow("after", imageLog);
  23. waitKey();
  24. return 0;
  25. }
对数Log变换增强前原图像:
 
对数Log变换增强后效果:
 
对数变换对于整体对比度偏低并且灰度值偏低的图像增强效果较好。
 
 

4. 基于伽马变换的图像增强

 

伽马变换主要用于图像的校正,将灰度过高或者灰度过低的图片进行修正,增强对比度。变换公式就是对原图像上每一个像素值做乘积运算:

伽马变换对图像的修正作用其实就是通过增强低灰度或高灰度的细节实现的,从伽马曲线可以直观理解:

γ值以1为分界,值越小,对图像低灰度部分的扩展作用就越强,值越大,对图像高灰度部分的扩展作用就越强,通过不同的γ值,就可以达到增强低灰度或高灰度部分细节的作用。

伽马变换对于图像对比度偏低,并且整体亮度值偏高(对于于相机过曝)情况下的图像增强效果明显。

 
  1. #include <opencv2/highgui/highgui.hpp>
  2. #include <opencv2/imgproc/imgproc.hpp>
  3. using namespace cv;
  4. int main(int argc, char *argv[])
  5. {
  6. Mat image = imread("Test.jpg");
  7. Mat imageGamma(image.size(), CV_32FC3);
  8. for (int i = 0; i < image.rows; i++)
  9. {
  10. for (int j = 0; j < image.cols; j++)
  11. {
  12. imageGamma.at<Vec3f>(i, j)[0] = (image.at<Vec3b>(i, j)[0])*(image.at<Vec3b>(i, j)[0])*(image.at<Vec3b>(i, j)[0]);
  13. imageGamma.at<Vec3f>(i, j)[1] = (image.at<Vec3b>(i, j)[1])*(image.at<Vec3b>(i, j)[1])*(image.at<Vec3b>(i, j)[1]);
  14. imageGamma.at<Vec3f>(i, j)[2] = (image.at<Vec3b>(i, j)[2])*(image.at<Vec3b>(i, j)[2])*(image.at<Vec3b>(i, j)[2]);
  15. }
  16. }
  17. //归一化到0~255
  18. normalize(imageGamma, imageGamma, 0, 255, CV_MINMAX);
  19. //转换成8bit图像显示
  20. convertScaleAbs(imageGamma, imageGamma);
  21. imshow("原图", image);
  22. imshow("伽马变换图像增强效果", imageGamma);
  23. waitKey();
  24. return 0;
  25. }

伽马变换增强前原图像:

 
伽马变换增强后效果:
 
 
版权声明:本文为博主原创文章,转载请注明出处。

OpenCV图像增强算法实现(直方图均衡化、拉普拉斯、Log、Gamma)的更多相关文章

  1. 图像增强算法(直方图均衡化、拉普拉斯、Log、伽马变换)

    一.图像增强算法原理 图像增强算法常见于对图像的亮度.对比度.饱和度.色调等进行调节,增加其清晰度,减少噪点等.图像增强往往经过多个算法的组合,完成上述功能,比如图像去燥等同于低通滤波器,增加清晰度则 ...

  2. 【OpenCV】图像增强---灰度变换、直方图均衡化

    图像增强的目的:改善图像的视觉效果或使图像更适合于人或机器的分析处理.通过图像增强,可以减少图像噪声,提高目标与背景的对比度,也可以增强或抑制图像中的某些细节.  ------------------ ...

  3. OpenCV计算机视觉学习(9)——图像直方图 & 直方图均衡化

    如果需要处理的原图及代码,请移步小编的GitHub地址 传送门:请点击我 如果点击有误:https://github.com/LeBron-Jian/ComputerVisionPractice 1, ...

  4. 【图像处理】基于OpenCV底层实现的直方图匹配

    image processing 系列: [图像处理]图片旋转 [图像处理]高斯滤波.中值滤波.均值滤波 直方图匹配算法.又称直方图规定化.简单说.就是依据某函数.或者另外一张图片的引导,使得原图改变 ...

  5. OpenCV-跟我一起学数字图像处理之直方图均衡化

    从这篇博文开始,小生正式从一个毫不相干专业转投数字图像处理.废话不多说了,talk is cheap. show me the code. 直方图均衡化目的 由于一些图像灰度的分布过于集中,这样会导致 ...

  6. Win8Metro(C#)数字图像处理--2.30直方图均衡化

    原文:Win8Metro(C#)数字图像处理--2.30直方图均衡化 [函数名称] 直方图均衡化函数HistogramEqualProcess(WriteableBitmap src) [算法说明] ...

  7. openCV中直方图均衡化算法的理解

    直方图均衡化就是调整灰度直方图的分布,即将原图中的灰度值映射为一个新的值.映射的结果直观表现是灰度图的分布变得均匀,从0到255都有分布,不像原图那样集中.图像上的表现就是对比度变大,亮的更亮,暗的更 ...

  8. OpenCV——直方图均衡化(用于图像增强)

    #include <opencv2/opencv.hpp> #include <iostream> #include <math.h> using namespac ...

  9. 灰度图像--图像增强 直方图均衡化(Histogram equalization)

    灰度图像--图像增强 直方图均衡化(Histogram equalization) 转载请标明本文出处:http://blog.csdn.net/tonyshengtan,欢迎大家转载,发现博客被某些 ...

随机推荐

  1. iOS-代码修改Info.plist文件

    解决办法: 1.首先系统的Info.Plist文件是只读文件 并不能 写入.目前我个人是没有办法存入,官方属性 可以看到是readOnly 2.那么我们 就想代码修改Info.Plist文件怎么办呢, ...

  2. win8.1简单快速安装phpnow的方法

    工具/原料 phpnow 1.5.6 管理员身份登陆系统 方法/步骤   下载phpnow 这是必须的,大家可以自行百度下载,然后我们将phpnow放到一个文件夹,可以是根目录,也可以不是,但一定要知 ...

  3. 原创Java多线程详解(一)

    只看书不实践是不行的.来实践一下~~~~~~(引用请指明来源) 先看看百科对多线程的介绍 多线程(英语:multithreading),是指从软件或者硬件上实现多个线程并发执行的技术.具有多线程能力的 ...

  4. MACOS配置VIM成简单IDE傻瓜式操作

    零.参考文献: https://www.jianshu.com/p/f0513d18742a 一.安照我的配置:保存文件 " Configuration file for vim " ...

  5. Python的函数名作为参数传入调用以及map、reduce、filter

    零.python的lambda函数: #lambda function func = lambda x : x+1 #这里是一个匿名函数,x是参数,x+1是对参数的操作 func(1)= 2 多个参数 ...

  6. c# 对数据库的操作

    1.首先需要引用 using System.Data.SqlClient; 2.创建连接 SqlConnection connection = new SqlConnection(); connect ...

  7. android 软键盘回车键捕获

    EditText editText2 = (EditText)findViewById(R.id.txtTest2); editText2.setOnEditorActionListener(new ...

  8. PHP概率算法---砸金蛋示例

    这是一个很经典的概率算法: function get_rand($proArr) { $result = ''; //概率数组的总概率精度 $proSum = array_sum($proArr); ...

  9. linux查看日志文件内容命令tail、cat、tac、head、echo、vi

    linux查看日志文件内容命令tail.cat.tac.head.echo tail -f test.log你会看到屏幕不断有内容被打印出来. 这时候中断第一个进程Ctrl-C, ---------- ...

  10. Eclipse git pull 报Nothing to fetch 异常原因

    eclipse git pull 报错 // 使用这个配置就可以正常pull了        [core]        symlinks = false         repositoryform ...