圖像增強(qiáng)

圖像增強(qiáng)的方法是通過(guò)一定手段對(duì)原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺(jué)響應(yīng)特性相匹配。

圖像對(duì)比度

圖像對(duì)比度計(jì)算方式如下：
$$C=\sum _{\delta }\delta (i,j)P_{\delta }(i,j)$$
其中，$\delta (i,j)=|i?j|$，即相鄰像素間的灰度差；$P_{\delta }(i,j)$為相鄰像素灰度差為$\delta$的像素分布概率?？梢允撬泥徲?，也可以是八鄰域。具體過(guò)程如下：
原始圖像為：
L = [ 1 3 5 2 1 3 3 6 0 ] L=\begin{bmatrix} 1 & 3 &5\\ 2 & 1 &3 \\ 3 & 6&0 \end{bmatrix} L= ?123?316?530? ?
按照四鄰域進(jìn)行計(jì)算，對(duì)比度$C_L=[(1^2+2^2)+(2^2+2^2+2^2)+(1^2+1^2+1^2)+(2^2+2^2+1^2+5^2)+(2^2+2^2+3^2)+(1^2+3^2)+(5^2+3^2+6^2)+(3^2+6^2)/22$。22就是平方的個(gè)數(shù)。

1.對(duì)比度展寬

對(duì)比度展寬的目的是通過(guò)增強(qiáng)圖像的亮暗對(duì)比程度而改善畫(huà)質(zhì)，使圖像的顯示效果更加清晰。

線性對(duì)比度展寬

通過(guò)抑制非重要信息的對(duì)比度來(lái)騰出空間給重要信息進(jìn)行對(duì)比度的展寬。

原圖的灰度為$f(i,j)$，處理后的圖像灰度為$g(i,j)$。原圖中的重要景物的灰度分布假設(shè)分布在$[f_a,f_b]$的范圍內(nèi)，則對(duì)比度線性展寬的目的是使處理后圖像的重要景物的灰度分布在$[g_a,g_b]$的范圍內(nèi)，當(dāng)$\Delta f=(f_b?f_a)<\Delta g=(g_b?g_a)$，則可達(dá)到對(duì)比度展寬的目的。
計(jì)算方式如下：
$$g(i,j)=?\begin{array}{ll}\alpha f(i,j)& \text{?}0\le f(i,j)<a\\ \beta (f(i,j)?a)+g_a& \text{?}a\le f(i,j)<b\\ \gamma (f(i,j)?b)+g_b& b\le f(i,j)<255\end{array}$$
其中，$\alpha =\frac{g_a}{f_a},\beta =\frac{g_b?g_a}{f_b?f_a},\gamma =\frac{255?g_b}{255?f_b}$。
C++代碼如下：

    cv::Mat image = cv::imread("Lena.bmp");
    cv::Mat grayImage(image.size(), CV_8UC1);
    cv::Mat dstImage(grayImage.size(), CV_8UC1);
    cv::cvtColor(image, grayImage, CV_BGR2GRAY);
    int fa = 50, fb = 100;
    float ga = 30, gb = 120;
    for (int row = 0; row < grayImage.rows; row++)
    {
        uchar *currentData = grayImage.ptr<uchar>(row);
        for (int col = 0; col < grayImage.cols; col++)
        {
            if (*(currentData + col) >= 0 && *(currentData + col) < fa)
            {
                dstImage.at<uchar>(row, col) = uchar(ga / fa * (*(currentData + col)));
            }
            if (*(currentData + col) >= fa && *(currentData + col) < fb)
            {
                dstImage.at<uchar>(row, col) = uchar((gb-ga) / (fb-fa) * (*(currentData + col)-fa)+ga);
            }
            if (*(currentData + col) >= fb && *(currentData + col) < 255)
            {
                dstImage.at<uchar>(row, col) = uchar((255-gb) / (255-fb) * (*(currentData + col)-fb)+gb);
            }
        }
        //currentData++;
    }

結(jié)果如下：

非線性對(duì)比度展寬

通過(guò)一個(gè)光滑的映射曲線，使得處理后圖像的灰度變化比較光滑。計(jì)算公式如下：
$$g(i,j)=c?lg(1+f(i,j))$$
實(shí)際上完成的作用是，抑制高亮度區(qū)域，擴(kuò)展低亮度區(qū)域。

2.直方圖均衡化

在信息論中有這樣一個(gè)結(jié)論：當(dāng)數(shù)據(jù)的分布接近均勻分布的時(shí)候，數(shù)據(jù)所承載的信息量（熵）為最大。
灰度直方圖的基本原理是：對(duì)在圖像中像素個(gè)數(shù)多的灰度級(jí)（即對(duì)畫(huà)面起主要作用的灰度值）進(jìn)行展寬，而對(duì)像素個(gè)數(shù)少的灰度值（即對(duì)畫(huà)面不起主要作用的灰度值）進(jìn)行歸并。
直方圖均衡化方法的具體步驟如下：

1. 求出原圖$f(i,j{)}_{M\times N}$的灰度直方圖，設(shè)用256維的向量$h_f$表示；
2. 有$h_f$求原圖的灰度分布概率，記作$p_f$，則有$$p_f(i)=\frac{1}{N_f}?h_f(i),i=0,1,\dots ,255$$
   其中，$N_f=M\times N$（$M,N$分別為圖像的長(zhǎng)和寬）為圖像的總像素個(gè)數(shù)；
3. 計(jì)算圖像各個(gè)灰度值的累計(jì)分布概率，記作$p_a$，則有$$p_a(i)=\sum _{k=0}^i{p}_f(k),i=1,2,\dots ,255$$
   其中，令$p_a(0)=0$。
4. 進(jìn)行直方圖均衡化計(jì)算，得到處理后圖像的像素值$g(i,j)$為：$$g(i,j)=255?p_a(k)$$

C++代碼如下所示：

    cv::Mat image = cv::imread("Lena.bmp");
    cv::Mat src(image.size(), CV_8UC1);
    //轉(zhuǎn)為灰度圖像
    cv::cvtColor(image, src, CV_BGR2GRAY);

    cv::Mat dst(image.size(), CV_8UC1);
    float hf[256] = { 0 };
    for (int row = 0; row < src.rows; row++)
    {
        uchar *currentData = src.ptr<uchar>(row);
        for (int col = 0; col < src.cols; col++)
        {
            hf[*(currentData + col)] += 1;
        }
    }
    float pf[256] = { 0 };
    for (int i = 0; i < 256; i++)
    {
        pf[i] = hf[i] / (src.rows*src.cols);
    }
    float pa[256] = { 0 };
    for (int i = 1; i < 256; i++)
    {
        float sumNumber = 0;
        for (int j = 0; j < i+1; j++)
        {
            sumNumber += pf[j];
        }
        pa[i] = sumNumber;
    }
    for (int row = 0; row < dst.rows; row++)
    {
        uchar * currentData = dst.ptr<uchar>(row);
        for (int col = 0; col < dst.cols; col++)
        {
            *(currentData + col) = uchar(255 * pa[src.at<uchar>(row, col)]);
        }
    }

結(jié)果展示：
文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-619744.html

到了這里，關(guān)于數(shù)字圖像處理（番外）圖像增強(qiáng)的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！