常用图像增强算法介绍
转自：http://blog.csdn.net/kezunhai/article/details/41553097
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。
[cpp] view plain copy 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]; } } } } 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。
[cpp] view plain copy 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 <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]; } } } } 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）。
[cpp] view plain copy 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; }
[cpp] view plain copy // 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。
[cpp] view plain copy // 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 <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]; 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))。
[cpp] view plain copy 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; }
测试代码：
[cpp] view plain copy int main(int argc, char* argv[]) { const char* Path = "E:\\22.bmp"; IplImage *img = cvLoadImage(Path,CV_LOAD_IMAGE_ANYCOLOR); IplImage *dst = cvCreateImage(cvGetSize(img), img->depth, img->nChannels); cout<<"输入你要选择的操作："<<endl; cout<<"1、曝光过度"<<endl; cout<<"2、加马赛克"<<endl; cout<<"3、对数增强"<<endl; cout<<"4、指数增强"<<endl; cout<<"请输入你的选择:"; int choice = 1; cin>>choice; switch (choice) { case 1: ExporeOver(img, dst); break; case 2: Masic(img, dst, 21); break; case 3: LogEnhance(img, dst); break; case 4: ExpEnhance(img, dst); break; default: cout<<"输入错误"<<endl; break; } cvSaveImage("E:\\dst.jpg",dst); cvNamedWindow("SRC",1); cvNamedWindow("DST", 1); cvShowImage("SRC", img); cvShowImage("DST", dst); cvWaitKey(); return 0; }
