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

利用Python脚本实现批量将图片转换为WebP格式

《利用Python脚本实现批量将图片转换为WebP格式》Python语言的简洁语法和库支持使其成为图像处理的理想选择,本文将介绍如何利用Python实现批量将图片转换为WebP格式的脚本,WebP作为... 目录简介1. python在图像处理中的应用2. WebP格式的原理和优势2.1 WebP格式与传统

基于 HTML5 Canvas 实现图片旋转与下载功能(完整代码展示)

《基于HTML5Canvas实现图片旋转与下载功能(完整代码展示)》本文将深入剖析一段基于HTML5Canvas的代码,该代码实现了图片的旋转(90度和180度)以及旋转后图片的下载... 目录一、引言二、html 结构分析三、css 样式分析四、JavaScript 功能实现一、引言在 Web 开发中,

Python如何去除图片干扰代码示例

《Python如何去除图片干扰代码示例》图片降噪是一个广泛应用于图像处理的技术,可以提高图像质量和相关应用的效果,:本文主要介绍Python如何去除图片干扰的相关资料,文中通过代码介绍的非常详细,... 目录一、噪声去除1. 高斯噪声(像素值正态分布扰动)2. 椒盐噪声(随机黑白像素点)3. 复杂噪声(如伪

Python中图片与PDF识别文本(OCR)的全面指南

《Python中图片与PDF识别文本(OCR)的全面指南》在数据爆炸时代,80%的企业数据以非结构化形式存在,其中PDF和图像是最主要的载体,本文将深入探索Python中OCR技术如何将这些数字纸张转... 目录一、OCR技术核心原理二、python图像识别四大工具库1. Pytesseract - 经典O

Python实现精准提取 PDF中的文本,表格与图片

《Python实现精准提取PDF中的文本,表格与图片》在实际的系统开发中,处理PDF文件不仅限于读取整页文本,还有提取文档中的表格数据,图片或特定区域的内容,下面我们来看看如何使用Python实... 目录安装 python 库提取 PDF 文本内容:获取整页文本与指定区域内容获取页面上的所有文本内容获取

Python基于微信OCR引擎实现高效图片文字识别

《Python基于微信OCR引擎实现高效图片文字识别》这篇文章主要为大家详细介绍了一款基于微信OCR引擎的图片文字识别桌面应用开发全过程,可以实现从图片拖拽识别到文字提取,感兴趣的小伙伴可以跟随小编一... 目录一、项目概述1.1 开发背景1.2 技术选型1.3 核心优势二、功能详解2.1 核心功能模块2.

Go语言如何判断两张图片的相似度

《Go语言如何判断两张图片的相似度》这篇文章主要为大家详细介绍了Go语言如何中实现判断两张图片的相似度的两种方法,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... 在介绍技术细节前,我们先来看看图片对比在哪些场景下可以用得到:图片去重:自动删除重复图片,为存储空间"瘦身"。想象你是一个

使用Python实现base64字符串与图片互转的详细步骤

《使用Python实现base64字符串与图片互转的详细步骤》要将一个Base64编码的字符串转换为图片文件并保存下来,可以使用Python的base64模块来实现,这一过程包括解码Base64字符串... 目录1. 图片编码为 Base64 字符串2. Base64 字符串解码为图片文件3. 示例使用注意

c/c++的opencv实现图片膨胀

《c/c++的opencv实现图片膨胀》图像膨胀是形态学操作,通过结构元素扩张亮区填充孔洞、连接断开部分、加粗物体,OpenCV的cv::dilate函数实现该操作,本文就来介绍一下opencv图片... 目录什么是图像膨胀?结构元素 (KerChina编程nel)OpenCV 中的 cv::dilate() 函

使用Python实现调用API获取图片存储到本地的方法

《使用Python实现调用API获取图片存储到本地的方法》开发一个自动化工具,用于从JSON数据源中提取图像ID,通过调用指定API获取未经压缩的原始图像文件,并确保下载结果与Postman等工具直接... 目录使用python实现调用API获取图片存储到本地1、项目概述2、核心功能3、环境准备4、代码实现