• 为了保证你在浏览本网站时有着更好的体验,建议使用类似Chrome、Firefox之类的浏览器~~
    • 如果你喜欢本站的内容何不Ctrl+D收藏一下呢,与大家一起分享各种编程知识~
    • 本网站研究机器学习、计算机视觉、模式识别~当然不局限于此,生命在于折腾,何不年轻时多折腾一下

图像增强算法

mp admin 4年前 (2015-10-07) 3162次浏览 0个评论 扫描二维码

1、对数图像增强算法

对数图像增强是图像增强的一种常见方法,其公式为: S = c log(r+1),其中 c 是常数(以下算法 c=255/(log(256)),这样可以实现整个画面的亮度增大。

void LogEnhance(IplImage* img, IplImage* dst)
{
// 由于 oldPixel:[1,256],则可以先保存一个查找表
uchar lut[256] ={0};

double temp = 255/log(256);

for ( int i =0; i<255; i++)
{
lut[i] = (uchar)(temp* log(i+1)+0.5);
}

for( int row =0; row <img->height; row++)
{
uchar *data = (uchar*)img->imageData+ row* img->widthStep;
uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;

for ( int col = 0; col<img->width; col++)
{
for( int k=0; k<img->nChannels; k++)
{
uchar t1 = data[col*img->nChannels+k];
dstData[col*img->nChannels+k] = lut[t1];
}
}
}
}</span><span style="font-size:18px;">
</span>

2、指数图像增强算法

指数图像增强的表达为:S = cR^r,通过合理的选择 c 和 r 可以压缩灰度范围,算法以 c=1.0/255.0, r=2 实现。

void ExpEnhance(IplImage* img, IplImage* dst)
{
	// 由于 oldPixel:[1,256],则可以先保存一个查找表
	uchar lut[256] ={0};

	double temp = 1.0/255.0;

	for ( int i =0; i<255; i++)
	{
		lut[i] = (uchar)(temp*i*i+0.5);
	}

	for( int row =0; row height; row++)
	{
		uchar *data = (uchar*)img->imageData+ row* img->widthStep;
		uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;

		for ( int col = 0; colwidth; col++)
		{
			for( int k=0; knChannels; k++)
			{
				uchar t1 = data[col*img->nChannels+k];				
				dstData[col*img->nChannels+k] = lut[t1];
			}
		}		
	}	
}

3、加 Masaic 算法

在日常中有时候保密或其他需要将图像马赛克,下面的算法实现图像马赛克功能(原理:用中心像素来表示邻域像素)。

uchar getPixel( IplImage* img, int row, int col, int k)
{
return ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k];
}

void setPixel( IplImage* img, int row, int col, int k, uchar val)
{
((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k] = val;
}

// nSize:为尺寸大小,奇数
// 将邻域的值用中心像素的值替换
void Masic(IplImage* img, IplImage* dst, int nSize)
{
int offset = (nSize-1)/2;
for ( int row = offset; row <img->height - offset; row= row+offset)
{
for( int col= offset; col<img->width - offset; col = col+offset)
{
int val0 = getPixel(img, row, col, 0);
int val1 = getPixel(img, row, col, 1);
int val2 = getPixel(img, row, col, 2);
for ( int m= -offset; m<offset; m++)
{
for ( int n=-offset; n<offset; n++)
{
setPixel(dst, row+m, col+n, 0, val0);
setPixel(dst, row+m, col+n, 1, val1);
setPixel(dst, row+m, col+n, 2, val2);
}
}
}
}
}

4、曝光过度问题处理

对于曝光过度问题,可以通过计算当前图像的反相(255-image),然后取当前图像和反相图像的较小者为当前像素位置的值。

// 过度曝光原理:图像翻转,然后求原图与反图的最小值

void ExporeOver(IplImage* img, IplImage* dst)
{
	for( int row =0; row height; row++)
	{
		uchar *data = (uchar*)img->imageData+ row* img->widthStep;
		uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
		for ( int col = 0; colwidth; col++)
		{
			for( int k=0; knChannels; k++)
			{
				uchar t1 = data[col*img->nChannels+k];
				uchar t2 = 255 - t1;
				dstData[col*img->nChannels+k] = min(t1,t2);
			}
		}		
	}
}

5、高反差保留 高反差保留主要是将图像中颜色、明暗反差较大两部分的交界处保留下来,比如图像中有一个人和一块石头,那么石头的轮廓线和人的轮廓线以及面部、服装等有明显线条的地方会变被保留,儿其他大面积无明显明暗变化的地方则生成中灰色。其表达形式为:dst = r*(img – Blur(img))。

Mat HighPass(Mat img)
{
	Mat temp;
	GaussianBlur(img, temp,Size(7,7),1.6,1.6);

	int r=3;	
	Mat diff = img + r*(img-temp); //高反差保留算法
	return diff;
}

Deeplearn, 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权 , 转载请注明图像增强算法
喜欢 (0)
admin
关于作者:
互联网行业码农一枚/业余铲屎官/数码影音爱好者/二次元

您必须 登录 才能发表评论!