https://gitee.com/sinonfin/algorithm-sharing文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-772319.html

1. 基于直方圖均衡化的圖像增強(qiáng)

直方圖均衡化是通過(guò)調(diào)整圖像的灰階分布，使得在0~255灰階上的分布更加均衡，提高了圖像的對(duì)比度，達(dá)到改善圖像主觀視覺(jué)效果的目的。對(duì)比度較低的圖像適合使用直方圖均衡化方法來(lái)增強(qiáng)圖像細(xì)節(jié)。

彩色圖像的直方圖均衡化實(shí)現(xiàn)：

?

#include     
#include 
#include 

using namespace cv;

int main(int argc, char *argv[])
{
	Mat image = imread("Test.jpg", 1);
	if (image.empty())
	{
		std::cout << "打開(kāi)圖片失敗,請(qǐng)檢查" << std::endl;
		return -1;
	}
	imshow("原圖像", image);
	Mat imageRGB[3];
	split(image, imageRGB);
	for (int i = 0; i < 3; i++)
	{
		equalizeHist(imageRGB[i], imageRGB[i]);
	}
	merge(imageRGB, 3, image);
	imshow("直方圖均衡化圖像增強(qiáng)效果", image);
	waitKey();
	return 0;
}

直方圖均衡化增強(qiáng)前原圖像：

直方圖均衡化增強(qiáng)后效果：

2. 基于拉普拉斯算子的圖像增強(qiáng)

使用中心為5的8鄰域拉普拉斯算子與圖像卷積可以達(dá)到銳化增強(qiáng)圖像的目的，拉普拉斯算子如下圖所示：

拉普拉斯算子可以增強(qiáng)局部的圖像對(duì)比度：

?

#include     
#include 
#include 

using namespace cv;

int main(int argc, char *argv[])
{
	Mat image = imread("Test.jpg", 1);
	if (image.empty())
	{
		std::cout << "打開(kāi)圖片失敗,請(qǐng)檢查" << std::endl;
		return -1;
	}
	imshow("原圖像", image);
	Mat imageEnhance;
	Mat kernel = (Mat_(3, 3) << 0, -1, 0, 0, 5, 0, 0, -1, 0);
	filter2D(image, imageEnhance, CV_8UC3, kernel);
	imshow("拉普拉斯算子圖像增強(qiáng)效果", imageEnhance);
	waitKey();
	return 0;
}

拉普拉斯算子增強(qiáng)前原圖像：

拉普拉斯算子增強(qiáng)后效果：

3. 基于對(duì)數(shù)Log變換的圖像增強(qiáng)

對(duì)數(shù)變換可以將圖像的低灰度值部分?jǐn)U展，顯示出低灰度部分更多的細(xì)節(jié)，將其高灰度值部分壓縮，減少高灰度值部分的細(xì)節(jié)，從而達(dá)到強(qiáng)調(diào)圖像低灰度部分的目的。變換方法：

對(duì)數(shù)變換對(duì)圖像低灰度部分細(xì)節(jié)增強(qiáng)的功能過(guò)可以從對(duì)數(shù)圖上直觀理解：

x軸的0.4大約對(duì)應(yīng)了y軸的0.8，即原圖上0_{0.4的低灰度部分經(jīng)過(guò)對(duì)數(shù)運(yùn)算后擴(kuò)展到0}0.8的部分，而整個(gè)0.4_{1的高灰度部分被投影到只有0.8}1的區(qū)間，這樣就達(dá)到了擴(kuò)展和增強(qiáng)低灰度部分，壓縮高灰度部分的值的功能。

從上圖還可以看到，對(duì)于不同的底數(shù)，底數(shù)越大，對(duì)低灰度部分的擴(kuò)展就越強(qiáng)，對(duì)高灰度部分的壓縮也就越強(qiáng)。

?

#include     
#include 

using namespace cv;

int main(int argc, char *argv[])
{
	Mat image = imread("Test.jpg");
	Mat imageLog(image.size(), CV_32FC3);
	for (int i = 0; i < image.rows; i++)
	{
		for (int j = 0; j < image.cols; j++)
		{
			imageLog.at(i, j)[0] = log(1 + image.at(i, j)[0]);
			imageLog.at(i, j)[1] = log(1 + image.at(i, j)[1]);
			imageLog.at(i, j)[2] = log(1 + image.at(i, j)[2]);
		}
	}
	//歸一化到0~255  
	normalize(imageLog, imageLog, 0, 255, CV_MINMAX);
	//轉(zhuǎn)換成8bit圖像顯示  
	convertScaleAbs(imageLog, imageLog);
	imshow("Soure", image);
	imshow("after", imageLog);
	waitKey();	
	return 0;
}

對(duì)數(shù)Log變換增強(qiáng)前原圖像：

對(duì)數(shù)Log變換增強(qiáng)后效果：

對(duì)數(shù)變換對(duì)于整體對(duì)比度偏低并且灰度值偏低的圖像增強(qiáng)效果較好。

4. 基于伽馬變換的圖像增強(qiáng)

伽馬變換主要用于圖像的校正，將灰度過(guò)高或者灰度過(guò)低的圖片進(jìn)行修正，增強(qiáng)對(duì)比度。變

伽馬變換對(duì)圖像的修正作用其實(shí)就是通過(guò)增強(qiáng)低灰度或高灰度的細(xì)節(jié)實(shí)現(xiàn)的，從伽馬曲線可以直觀理解：

γ值以1為分界，值越小，對(duì)圖像低灰度部分的擴(kuò)展作用就越強(qiáng)，值越大，對(duì)圖像高灰度部分的擴(kuò)展作用就越強(qiáng)，通過(guò)不同的γ值，就可以達(dá)到增強(qiáng)低灰度或高灰度部分細(xì)節(jié)的作用。

伽馬變換對(duì)于圖像對(duì)比度偏低，并且整體亮度值偏高（對(duì)于于相機(jī)過(guò)曝）情況下的圖像增強(qiáng)效果明顯。

?

#include     
#include 

using namespace cv;

int main(int argc, char *argv[])
{
	Mat image = imread("Test.jpg");
	Mat imageGamma(image.size(), CV_32FC3);
	for (int i = 0; i < image.rows; i++)
	{
		for (int j = 0; j < image.cols; j++)
		{
			imageGamma.at(i, j)[0] = (image.at(i, j)[0])*(image.at(i, j)[0])*(image.at(i, j)[0]);
			imageGamma.at(i, j)[1] = (image.at(i, j)[1])*(image.at(i, j)[1])*(image.at(i, j)[1]);
			imageGamma.at(i, j)[2] = (image.at(i, j)[2])*(image.at(i, j)[2])*(image.at(i, j)[2]);
		}
	}
	//歸一化到0~255  
	normalize(imageGamma, imageGamma, 0, 255, CV_MINMAX);
	//轉(zhuǎn)換成8bit圖像顯示  
	convertScaleAbs(imageGamma, imageGamma);
	imshow("原圖", image);
	imshow("伽馬變換圖像增強(qiáng)效果", imageGamma);
	waitKey();
	return 0;
}

伽馬變換增強(qiáng)前原圖像：

伽馬變換增強(qiáng)后效果：

軟件實(shí)現(xiàn)效果

最后

項(xiàng)目獲?。?/strong>