这篇文章给大家介绍opencv实践中图像增强的基本操作是什么，内容非常详细，感兴趣的小伙伴们可以参考借鉴，希望对大家能有所帮助。
上面这幅黑乎乎的图就是我们今天要处理的图片，这是书的一页，但特别特别黑，对于这种因为阴影而导致的细节缺失，我们就可以尝试对其进行图像增强了。
图像增强真的有不少内容，范围也很广泛，今天就只针对这个例子进行实践了。代码都是成块儿的，大家可以复制自行组合
整体框架搭建
首先就先写个框架啦，读取图片显示图片啥的：
#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 << "图片为空" << endl; } //在这加图片处理的函数 imshow("输入", img_input); imshow("输出", img_output); waitKey(); return 0;}
我们以灰度图将原书页照片读进来，显示如下：
可以看到整个以黑乎乎的，看着太难受了，不过虽然我们人眼看着那些字是无法识别的，但其实在像素层面上，字的轮廓还是依然在的，而我们要做的就是将图片增强到文字可以为人眼所见的程度。
手机相机处理
在我们开始自己处理之前呢，先看下用手机相机随便处理一下的结果：
我们自己处理，怎么也得达到这种效果吧。
直方图均衡化
直方图均衡化是常见的一种图像增强技术，直方图均衡可以让像素值由狭小区域扩大到整个像素区域，如下图，横轴为像素灰度值，竖轴为该像素值在图片中的比例：
左图在直方图均衡化之后，像素值有明显的扩散分布，进而提高了图片的对比度。
而本例中就是因为图像太黑，也就是像素值集中分布在黑色部分，均衡化可以提高对比度，我们可以看下均衡化的效果：
//直方图均衡化equalizeHist(img_input, img_output);
可以看到效果并不是很好，但这还只是初步处理，也许再进行直方图局部均衡化就会更好一些了。
阈值化操作
我们可以知道图片很黑是因为有很多灰度级很低的像素聚集，我们只要将这些像素过滤掉就可以了，过滤我们可以采用阈值化操作或者二值化操作，我们看看阈值化操作：
//阈值化操作threshold(img_input, img_output, 8, 255, THRESH_BINARY);
可以看到结果也并不十分理想。但opencv还有一个自适应阈值函数，这个函数要更为巧妙一些
//自适应阈值函数 adaptiveThreshold(img_input, img_output, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 7, 3);
可以看到虽然我们可以看清楚上面的字，但并不美观，而且因为阈值化操作的原因，书页颜色非黑即白，非常失真。
调整亮度和对比度
我们可以遍历图片中（i , j）处的像素，并对其进行如下操作：
-
f(i,j)代表原图像像素
-
g(i,j)代表处理后的图像像素
-
a 称为增益，用来调节图像对比度
-
b 称为偏置，用来调整图像亮度
//@srcImage:输入单通道图像//@a:增益，调对比度//@b:偏置，调亮度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; // 两个个for循环，执行运算 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;}
//调节亮度和对比度 img_output = contrast_bright(img_input,6,60);
可以看到，通过调节亮度和对比度的方法，已经可以达到不错的效果。
对像素进行log变换和伽马变换
我们还可以尝试对图像进行变换，比如log函数变换和伽马变换。以伽马变换为例：
先看一下伽马变换的公式：
输入r就是图片某点像素值，输出s为变换后的像素值。下图为该公式c取1，γ取不同值时的函数图形：
我们可以看到：
-
当γ小于1时，以γ=0.10为例，该变换会将窄范围的低级灰度转变为灰度级较高的值，直观上体现为图片变亮。
-
当γ大于1时，以γ=5.0所示，该变换会将较宽范围的灰度转变为低级灰度，直观上体现为变暗。
简单代码实现：
//@img_input:输入单通道图像//@gamma:gamma次方//@n_c:乘以常数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); //将像素值映射到0-255范围 return img_Gamma;}
//伽马变换 img_output = gammaTrans(img_input,0.4,3);
伽马变换只是方式之一，可以用来像素映射的函数多种多样，一般都视实际情况而定。
关于opencv实践中图像增强的基本操作是什么就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
原创文章，作者：1402239773，如若转载，请注明出处：https://blog.ytso.com/223907.html