图片对比度增强

2024-06-13 19:58
文章标签 图片 增强 对比度

本文主要是介绍图片对比度增强,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

简介

  本篇主要讲解利用直方图均衡化和使用模糊集合灰度变换方式来优化图片对比度,并直观显示出这两种方式下的优化效果,和优化后图片的
直方图分布情况。

直方图显示

  开始讲图片对比度优化之前,需要先了解如何直观显示出图片的直方图,该方式在本篇后续中常用到,所以提到最开始先讲。
这里直接使用opencv实现,具体代码如下:

具体代码

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv/cv.h>  using namespace cv;IplImage *DrawHistogram(CvHistogram *hist,float scaleX = 1,float scaleY = 1){float histMax = 0;cvGetMinMaxHistValue(hist,0,&histMax,0,0);IplImage *imgHist = cvCreateImage(cvSize(256*scaleX,64*scaleY),8,1);cvZero(imgHist);for(int i=0;i<255;i++){float histValue = cvQueryHistValue_1D(hist,i);float nextValue = cvQueryHistValue_1D(hist,i+1);CvPoint pt1 = cvPoint(i*scaleX,64*scaleY);CvPoint pt2 = cvPoint((i+1)*scaleX,64*scaleY);CvPoint pt3 = cvPoint((i+1)*scaleX,64*scaleY - (nextValue/histMax) * 64*scaleY);CvPoint pt4 = cvPoint(i*scaleX,64*scaleY - (histValue/histMax) * 64*scaleY);int numPts = 5;CvPoint pts[5];pts[0] = pt1;pts[1] = pt2;pts[2] = pt3;pts[3] = pt4;pts[4] = pt1;cvFillConvexPoly(imgHist,pts,numPts,cvScalar(255));}return imgHist;
}int main(int argc , char** argv){cv::Mat image;int dims = 1;int size = 256;float range[] = {0,255};float* ranges[] = {range};Mat mat;IplImage src;if(argc < 2){printf("Please input picture!\n");return -1;}mat = imread(argv[1], 0);src = mat;cvShowImage("src", &src);CvHistogram *hist = cvCreateHist(dims,&size,CV_HIST_ARRAY,ranges,1);cvClearHist(hist);IplImage *imgGray = cvCreateImage(cvGetSize(&src),8,1);cvSplit(&src,imgGray, NULL, NULL, NULL);cvCalcHist(&imgGray, hist, 0, 0);IplImage *histGray = DrawHistogram(hist);cvClearHist(hist);cvShowImage("Gray",histGray);cv::waitKey(0);return 0;
}

效果演示

  具体代码内容就不细讲了,结果显示如下:
                

直方图均衡化

  该方式的实现,网上已经有很多例子了,这里提出来讲下,是为了方便和模糊集合灰度变换方式做效果对比。

具体代码

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv/cv.h>  using namespace cv;int main(int argc , char** argv){cv::Mat image;int size = 256;Mat mat;IplImage src;int i, j, width, height;int c[size];double p[size];CvScalar s1;double max, min;if(argc < 2){printf("Please input picture!\n");return -1;}mat = imread(argv[1], 0);src = mat;imshow("src", mat);width = mat.rows;height = mat.cols;uchar* ptr = mat.ptr(0);for(i=0; i<size; i++){p[i] = 0;c[i] = 0;   }max=min=ptr[0];for(i=0; i<width; i++){for(j=0;j<height; j++){int k;s1 = cvGet2D(&src, i, j);k = (int)s1.val[0];c[k]++;if(max<s1.val[0]){max=s1.val[0];}else if(min>s1.val[0]){min=s1.val[0];}}}printf("min:%lf, max:%lf\n", min, max);for(i=0;i<size;i++){if(i > 0){p[i] += p[i - 1];}p[i] += ((double)c[i])/((double)(width*height));printf("p[%d]:%lf, c[%d]:%d\n", i, p[i], i, c[i]);}for(i=0; i<width; i++){for(j=0; j<height; j++){s1 = cvGet2D(&src, i, j);s1.val[0] = p[(int)s1.val[0]] * (max-min) + min;cvSet2D(&src, i, j, s1);}}imshow("dst", mat);imwrite("dst1.png", mat);cv::waitKey(0);return 0;
}

代码讲解

  这里只讲解下相关的核心代码:
1、找到图像中最大像素、最小像素值、同时统计出图像所有像素值在[0, 255]范围内出现的数
max=min=ptr[0];
for(i=0; i<width; i++){
for(j=0;j<height; j++){int k;s1 = cvGet2D(&src, i, j);k = (int)s1.val[0];c[k]++;if(max<s1.val[0]){max=s1.val[0];}else if(min>s1.val[0]){min=s1.val[0];}}
}
2、从0开始到255,依次叠加到当前像素数量的概率。
for(i=0;i<size;i++){
if(i > 0){p[i] += p[i - 1];
}
p[i] += ((double)c[i])/((double)(width*height));
}
3、从新在min到max范围内,根据之前统计的像素概率,重新映射调整像素值,生成新图像。
for(i=0; i<width; i++){for(j=0; j<height; j++){
s1 = cvGet2D(&src, i, j);
s1.val[0] = p[(int)s1.val[0]] * (max-min) + min;
cvSet2D(&src, i, j, s1);}
}
imshow("dst", mat);
imwrite("dst1.png", mat);

结果显示

  显示的结果如下:
                

模糊度集合变换

  接下来是看下,模糊度集合变换的实现。相关原理背景请看考<数字图像处理 第三版> 116页。
该方式的核心原理为公式:        
        
  公式中的Udark、Ugray、Ubright由对应的当前像素点,根据右边曲线图来计算获得。
Vd = 0,表示全黑;Vg = 127, 表示中间灰度;Vb = 255,表示白。Vo表示生成的结果图像当前像素值。

具体代码

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv/cv.h>  using namespace cv;#define throDark 30
#define throMid 100
#define throBright 170double getUdark(double num){double tmpUdark;if(num <= throDark){tmpUdark = 1;   }else if((num > throDark) && (num <= throMid)){tmpUdark  = ((double)(throMid - num)) / ((double)(throMid - throDark));}else{tmpUdark = 0;   }return tmpUdark;
}double getUmid(double num){double tmpUmid;if((num > throDark) && (num < throMid)){tmpUmid  = (num - throDark) / (throMid - throDark);}else if((num >= throMid) && (num < throBright)){tmpUmid  = (throBright - num) / (throBright - throMid);}else{tmpUmid = 0;    }return tmpUmid;
}double getUbright(double num){double tmpUbright;if(num <= throMid){tmpUbright = 0; }else if((num > throMid) && (num <= throBright)){tmpUbright  = (num - throMid) / (throBright - throMid);}else{tmpUbright = 1;}return tmpUbright;
}int main(int argc , char** argv){cv::Mat image;Mat mat;IplImage src;int i, j, width, height;CvScalar s1;int Uall;double tmp, Udark, Umid, Ubright;if(argc < 2){printf("Please input picture!\n");return -1;}mat = imread(argv[1], 0);src = mat;imshow("src", mat);width = mat.rows;height = mat.cols;uchar* ptr = mat.ptr(0);for(i=0; i<width; i++){for(j=0;j<height; j++){s1 = cvGet2D(&src, i, j);Udark   = getUdark(s1.val[0]);Umid    = getUmid(s1.val[0]);Ubright = getUbright(s1.val[0]);s1.val[0] = (0 * Udark + 127 * Umid + 255 * Ubright) / (Udark + Umid + Ubright);
//          printf("Udark:%lf, Umid:%lf, Ubright:%lf, s1.val[0]%lf\n", Udark, Umid, Ubright, s1.val[0]);cvSet2D(&src, i, j, s1);}}imshow("dst", mat);imwrite("dst2.png", mat);cv::waitKey(0);return 0;
}

代码讲解

  1、throDark、throMid、throBright对应的就是前面曲线图中:Udark等的阀值。曲线图中阀值为63/127/191。根据图像,这些阀值我们可以自行调整。
#define throDark 30
#define throMid 100
#define throBright 170
  2、getUdark、getUmid、getUbright三个函数通过传入的像素值,分别返回曲线图中对应的Udark,Ugray, Ubright值。
double getUdark(double num){double tmpUdark;if(num <= throDark){tmpUdark = 1;   }else if((num > throDark) && (num <= throMid)){tmpUdark  = ((double)(throMid - num)) / ((double)(throMid - throDark));}else{tmpUdark = 0;   }return tmpUdark;
}double getUmid(double num){double tmpUmid;if((num > throDark) && (num < throMid)){tmpUmid  = (num - throDark) / (throMid - throDark);}else if((num >= throMid) && (num < throBright)){tmpUmid  = (throBright - num) / (throBright - throMid);}else{tmpUmid = 0;    }return tmpUmid;
}double getUbright(double num){double tmpUbright;if(num <= throMid){tmpUbright = 0; }else if((num > throMid) && (num <= throBright)){tmpUbright  = (num - throMid) / (throBright - throMid);}else{tmpUbright = 1;}return tmpUbright;
}
  3、根据前面公式,遍历整个源图像,计算出新图像的所有像素值。
for(i=0; i<width; i++){for(j=0;j<height; j++){s1 = cvGet2D(&src, i, j);Udark   = getUdark(s1.val[0]);Umid    = getUmid(s1.val[0]);Ubright = getUbright(s1.val[0]);s1.val[0] = (0 * Udark + 127 * Umid + 255 * Ubright) / (Udark + Umid + Ubright);
//          printf("Udark:%lf, Umid:%lf, Ubright:%lf, s1.val[0]%lf\n", Udark, Umid, Ubright, s1.val[0]);cvSet2D(&src, i, j, s1);}}

结果显示

  显示的结果如下:
                

结论分析

  原图像、直方图均衡化后图像、模糊集合灰度变换后图像分别对应如下:

  

  可以感觉到,模糊集合灰度变化后的图像看起来效果更好。
具体代码下载: http://download.csdn.net/detail/u011630458/9381775

这篇关于图片对比度增强的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1058278

相关文章

使用 Python 和 LabelMe 实现图片验证码的自动标注功能

《使用Python和LabelMe实现图片验证码的自动标注功能》文章介绍了如何使用Python和LabelMe自动标注图片验证码,主要步骤包括图像预处理、OCR识别和生成标注文件,通过结合Pa... 目录使用 python 和 LabelMe 实现图片验证码的自动标注环境准备必备工具安装依赖实现自动标注核心

Java操作xls替换文本或图片的功能实现

《Java操作xls替换文本或图片的功能实现》这篇文章主要给大家介绍了关于Java操作xls替换文本或图片功能实现的相关资料,文中通过示例代码讲解了文件上传、文件处理和Excel文件生成,需要的朋友可... 目录准备xls模板文件:template.xls准备需要替换的图片和数据功能实现包声明与导入类声明与

基于C#实现将图片转换为PDF文档

《基于C#实现将图片转换为PDF文档》将图片(JPG、PNG)转换为PDF文件可以帮助我们更好地保存和分享图片,所以本文将介绍如何使用C#将JPG/PNG图片转换为PDF文档,需要的可以参考下... 目录介绍C# 将单张图片转换为PDF文档C# 将多张图片转换到一个PDF文档介绍将图片(JPG、PNG)转

Qt QWidget实现图片旋转动画

《QtQWidget实现图片旋转动画》这篇文章主要为大家详细介绍了如何使用了Qt和QWidget实现图片旋转动画效果,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 一、效果展示二、源码分享本例程通过QGraphicsView实现svg格式图片旋转。.hpjavascript

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

Android 10.0 mtk平板camera2横屏预览旋转90度横屏拍照图片旋转90度功能实现

1.前言 在10.0的系统rom定制化开发中,在进行一些平板等默认横屏的设备开发的过程中,需要在进入camera2的 时候,默认预览图像也是需要横屏显示的,在上一篇已经实现了横屏预览功能,然后发现横屏预览后,拍照保存的图片 依然是竖屏的,所以说同样需要将图片也保存为横屏图标了,所以就需要看下mtk的camera2的相关横屏保存图片功能, 如何实现实现横屏保存图片功能 如图所示: 2.mtk

Spring MVC 图片上传

引入需要的包 <dependency><groupId>commons-logging</groupId><artifactId>commons-logging</artifactId><version>1.1</version></dependency><dependency><groupId>commons-io</groupId><artifactId>commons-

Prompt - 将图片的表格转换成Markdown

Prompt - 将图片的表格转换成Markdown 0. 引言1. 提示词2. 原始版本 0. 引言 最近尝试将图片中的表格转换成Markdown格式,需要不断条件和优化提示词。记录一下调整好的提示词,以后在继续优化迭代。 1. 提示词 英文版本: You are an AI assistant tasked with extracting the content of

研究人员在RSA大会上演示利用恶意JPEG图片入侵企业内网

安全研究人员Marcus Murray在正在旧金山举行的RSA大会上公布了一种利用恶意JPEG图片入侵企业网络内部Windows服务器的新方法。  攻击流程及漏洞分析 最近,安全专家兼渗透测试员Marcus Murray发现了一种利用恶意JPEG图片来攻击Windows服务器的新方法,利用该方法还可以在目标网络中进行特权提升。几天前,在旧金山举行的RSA大会上,该Marcus现场展示了攻击流程,

恶意PNG:隐藏在图片中的“恶魔”

&lt;img src=&quot;https://i-blog.csdnimg.cn/blog_migrate/bffb187dc3546c6c5c6b8aa18b34b962.jpeg&quot; title=&quot;214201hhuuhubsuyuukbfy_meitu_1_meitu_2.jpg&quot;/&gt;&lt;/strong&gt;&lt;/span&gt;&lt;