【OpenCV】图像增强---灰度变换、直方图均衡化

图像增强的目的：改善图像的视觉效果或使图像更适合于人或机器的分析处理。通过图像增强，可以减少图像噪声，提高目标与背景的对比度，也可以增强或抑制图像中的某些细节。

 ---------------------------------------------------------------------------------------------------

灰度变换：把原图像的像素灰度经过某个函数变换成新图像的灰度。可分为直线灰度变换法和直方图修正法。

直线灰度变换法：线性、分段线性、非线性变换。

直方图修正法：直方图均衡化、直方图规定化。

 ---------------------------------------------------------------------------------------------------

图像直方图：是对像素的某种属性（如灰度、颜色、梯度等）分布进行统计分析的重要手段。

灰度直方图：是灰度级的函数，它反映了图像中每一灰度级出现的次数或频率。

直方图均衡化：把原始图像的直方图变换为均匀分布的形式，从而增加图像灰度的动态范围，以达到增强图像对比度的效果。

经过均衡化处理的图像，其灰度级出现的概率相同，此时图像的熵最大，图像所包含的信息量最大。

【注意，离散后是每块区域的概率相等，均衡化后并不是条直线哦。】

　　细节概念等省略......

---------------------------------------------------------------------------------------------------

 线性灰度增强、对数变换、指数变换、直方图均衡化。代码见下（代码略粗糙...）【ImageEnhance.cpp部分代码】

//线性灰度增强
bool CImageEnhance::GrayLinearTransform(Mat &src, Mat &dst, uchar c, uchar d)  
{  
    int b=0,a=255; 
    dst = src.clone();
    int row = dst.rows, col = dst.cols * dst.channels();
    uchar *cc = dst.data;
    for(int i = 0; i < row; ++i) {
        for(int j = 0; j < col; ++j) {
            int val = *cc;
            if(a > val) a = val;
            if(b < val) b = val;
            cc++;
        }
    }
    cc = dst.data;
    float k = float(d - c)/(b-a);  
    //CString c1; c1.Format(_T("a=%d,b=%d,c=%d,d=%d,k=%.2f
"), a,b,c,d,k);MessageBox(c1); 
    for(int i = 0; i < row; ++i) {
        for(int j = 0; j < col; ++j) {
            int val = *cc;
            int s = (int)(k*(val - a) + c);
            *cc = s;
            cc++;
        }
    }
    return true;  
}  
//对数变换 
bool CImageEnhance::GraynoLinearlog(Mat &src, Mat &dst)  { 
    dst = src.clone();
    int row = dst.rows, col = dst.cols * dst.channels();
    uchar *cc = dst.data;
    double k = 255 / log10(256.0); 
    for(int i = 0; i < row; ++i) {
        for(int j = 0; j < col; ++j) {
            int val = *cc;
            *cc = k * log10(1.0*(val + 1));
            cc++;
        }
    }
    return true;  
}  
//指数变换  
bool CImageEnhance::GraynoLinearindex(Mat &src, Mat &dst)  {
    dst = src.clone();
    int row = dst.rows, col = dst.cols * dst.channels();
    uchar *cc = dst.data;
    double k = 1.0 / 255; 
    for(int i = 0; i < row; ++i) {
        for(int j = 0; j < col; ++j) {
            int val = *cc;
            *cc = k * val * val;    
            cc++;
        }
    }
    return true;  
}  

MatND CImageEnhance::getHist1(Mat& image)
{
    MatND hist;
    int channels[] = {0};
    int dims = 1;
    int histSize[] = {256};   //直方图箱子的个数
    float granges[] = {0, 255};
    const float *ranges[] = {granges};  //像素值范围
    //计算直方图
    calcHist(&image, 1, channels, Mat()/*不使用掩码*/, hist, dims/*这是一维的直方图*/, histSize, ranges);  
    return hist;  //这里得到的hiat是256行一列的Mat
}

//直方图均衡化
bool CImageEnhance::Equalize_hist(cv::Mat& src,cv::Mat& dst)
{
    //CMFC_Test_lyyDlg pic;
    MatND hist;
    int channels[] = {0};
    int dims = 1;
    int histSize[] = {256};   //直方图箱子的个数
    float granges[] = {0, 255};
    const float *ranges[] = {granges};  //像素值范围
    //计算直方图
    Mat image = src.clone();
    calcHist(&image, 1, channels, Mat()/*不使用掩码*/, hist, dims/*这是一维的直方图*/, histSize, ranges);  
    
    //MatND hist = getHist1(src);//pic.getHist(dst);
    float s[256];
    float p[256];

    cv::Mat lookup(cv::Size(1, 256), CV_8U);
    int pixNum = src.cols * src.rows;//总像素个数
    for (int i =0; i <256; i++) {
        s[i] = hist.at<float>(i) / pixNum;
        if (i ==0) {
            p[i] = s[i];
        } 
        else {
            p[i] = p[i -1] + s[i];
        }
    }
    for (int i =0; i <256; i++) {
        lookup.at <uchar>(i) = static_cast<uchar>(p[i]*255.0);
    }
  
    cv::LUT(src, lookup, dst);//创建矩阵，把一个像素值映射到另一个像素值
    return true;
}

效果如下：

原图像：

线性灰度增强：我这里默认a和b表示原图像灰度值的最小与最大值。以下示例取c=255,d=0，效果为使图像负像，即黑变白，白变黑。

  

对数变换：（使图像的低灰度范围得以扩展而高灰度范围得以压缩，变换后的图像更符合人的视觉效果，因为人眼对高亮度的分辨率要求高于对低亮度的分辨率）

　　

指数变换：（指数大于1。与对数变换相反。）

 直方图均衡化：

求原图像的灰度直方图代码：

//获得直方图
MatND getHistt(Mat& image){
    MatND hist;
    int channels[] = {0};
    int dims = 1;
    int histSize[] = {256};   //直方图箱子的个数
    float granges[] = {0, 255};
    const float *ranges[] = {granges};  //像素值范围
    //计算直方图
    calcHist(&image, 1, channels, Mat()/*不使用掩码*/, hist, dims/*这是一维的直方图*/, histSize, ranges);  
    return hist;  //这里得到的hiat是256行一列的Mat
}
//  将图像的直方图展示出来
Mat draw_Hist(Mat &inputImage)
{
    cv::MatND hist = getHistt(inputImage);
    Mat showImage(256, 256, CV_8U,Scalar(255));
    int i;
    double maxValue = 0;
    minMaxLoc(hist, 0, &maxValue, 0, 0);
    for(i = 0; i < 256; i++)
    {
        float value = hist.at<float>(i);
        int intensity = saturate_cast<int>(256 - 256 * (value/maxValue));
        rectangle(showImage, Point(i, 256 - 1), Point((i+1)-1, intensity), Scalar(0));
    }
    //namedWindow("gray"); imshow("gray", showImage);
    //cvMoveWindow("gray", 300, 300);
    //waitKey(0);
    return showImage;
}

 直方图显示：以下展示的 为以上的原图像以及直方图均衡化后的图像的  灰度直方图。