溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章給大家介紹opencv實踐中圖像增強的基本操作是什么，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。
上面這幅黑乎乎的圖就是我們今天要處理的圖片，這是書的一頁，但特別特別黑，對于這種因為陰影而導致的細節缺失，我們就可以嘗試對其進行圖像增強了。
圖像增強真的有不少內容，范圍也很廣泛，今天就只針對這個例子進行實踐了。代碼都是成塊兒的，大家可以復制自行組合
整體框架搭建
首先就先寫個框架啦，讀取圖片顯示圖片啥的：
#include <iostream>#include <opencv2/opencv.hpp>using namespace std;using namespace cv;int main(){ Mat img_output; Mat img_input = imread("bookpage.jpg",0); if (img_input.empty()) { cout << "圖片為空" << endl; } //在這加圖片處理的函數 imshow("輸入", img_input); imshow("輸出", img_output); waitKey(); return 0;}
我們以灰度圖將原書頁照片讀進來，顯示如下：
可以看到整個以黑乎乎的，看著太難受了，不過雖然我們人眼看著那些字是無法識別的，但其實在像素層面上，字的輪廓還是依然在的，而我們要做的就是將圖片增強到文字可以為人眼所見的程度。
手機相機處理
在我們開始自己處理之前呢，先看下用手機相機隨便處理一下的結果：
我們自己處理，怎么也得達到這種效果吧。
直方圖均衡化
直方圖均衡化是常見的一種圖像增強技術，直方圖均衡可以讓像素值由狹小區域擴大到整個像素區域，如下圖，橫軸為像素灰度值，豎軸為該像素值在圖片中的比例：
左圖在直方圖均衡化之后，像素值有明顯的擴散分布，進而提高了圖片的對比度。
而本例中就是因為圖像太黑，也就是像素值集中分布在黑色部分，均衡化可以提高對比度，我們可以看下均衡化的效果：
//直方圖均衡化equalizeHist(img_input, img_output);
可以看到效果并不是很好，但這還只是初步處理，也許再進行直方圖局部均衡化就會更好一些了。
閾值化操作
我們可以知道圖片很黑是因為有很多灰度級很低的像素聚集，我們只要將這些像素過濾掉就可以了，過濾我們可以采用閾值化操作或者二值化操作，我們看看閾值化操作：
//閾值化操作threshold(img_input, img_output, 8, 255, THRESH_BINARY);
可以看到結果也并不十分理想。但opencv還有一個自適應閾值函數，這個函數要更為巧妙一些
//自適應閾值函數 adaptiveThreshold(img_input, img_output, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 7, 3);
可以看到雖然我們可以看清楚上面的字，但并不美觀，而且因為閾值化操作的原因，書頁顏色非黑即白，非常失真。
調整亮度和對比度
我們可以遍歷圖片中（i , j）處的像素，并對其進行如下操作：
f(i,j)代表原圖像像素
g(i,j)代表處理后的圖像像素
a 稱為增益，用來調節圖像對比度
b 稱為偏置，用來調整圖像亮度
//@srcImage:輸入單通道圖像//@a:增益，調對比度//@b:偏置，調亮度Mat contrast_bright(Mat img_input,float a = 1, float b = 0){ Mat dstImage,srcImage = img_input; srcImage.copyTo(dstImage); int row = srcImage.rows; int col = srcImage.cols; // 兩個個for循環，執行運算 dstImage(i,j) = a*srcImage(i,j) + b for (int y = 0; y < row; y++) { for (int x = 0; x < col; x++) { dstImage.at<uchar>(y, x) = saturate_cast<uchar>(a*(img_input.at<uchar>(y, x)) + b ); } } return dstImage;}
//調節亮度和對比度 img_output = contrast_bright(img_input,6,60);
可以看到，通過調節亮度和對比度的方法，已經可以達到不錯的效果。
對像素進行log變換和伽馬變換
我們還可以嘗試對圖像進行變換，比如log函數變換和伽馬變換。以伽馬變換為例：
先看一下伽馬變換的公式：
輸入r就是圖片某點像素值，輸出s為變換后的像素值。下圖為該公式c取1，γ取不同值時的函數圖形：
我們可以看到：
當γ小于1時，以γ=0.10為例，該變換會將窄范圍的低級灰度轉變為灰度級較高的值，直觀上體現為圖片變亮。
當γ大于1時，以γ=5.0所示，該變換會將較寬范圍的灰度轉變為低級灰度，直觀上體現為變暗。
簡單代碼實現：
//@img_input:輸入單通道圖像//@gamma:gamma次方//@n_c:乘以常數n_cMat gammaTrans(Mat& img_input, float gamma, int n_c){ Mat img_Gamma(img_input.size(), CV_8UC1); for (int i = 0; i < img_input.rows; i++) { for (int j = 0; j < img_input.cols; j++) { img_Gamma.at<uchar>(i, j) = n_c * pow(img_input.at<uchar>(i, j), gamma); } } normalize(img_Gamma, img_Gamma, 0, 255, CV_MINMAX); //將像素值映射到0-255范圍 return img_Gamma;}
//伽馬變換 img_output = gammaTrans(img_input,0.4,3);
伽馬變換只是方式之一，可以用來像素映射的函數多種多樣，一般都視實際情況而定。
關于opencv實踐中圖像增強的基本操作是什么就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
