灰度图像的直方均衡、线性变换与线性拉伸

前些天本来打算用VC6.0 + opencv1.0去学习图像处理，但后来发现还是VS + opencv2以上版本做比较顺手，所以装了vs2015，配置了环境什么的（ VS2015配置opencv3.1.0）。在把环境配置好后，我就上网学习了 别人写的代码，自己也开始写写简单的代码练手。因为作业的要求，所以写了实现了灰度图像的直方均衡、线性变换与线性拉伸的程序。如果对上述几个概念不是很清楚可以参考下这篇文章。

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;


Mat XianChange(Mat &img, double alt, int base)//灰度线性变化、
{
	CV_Assert(img.depth() != sizeof(uchar));  //声明只对深度8bit的图像操作  
	Mat temp = img.clone();

	int channels = img.channels();            //获取图像channel  
	int nrows = img.rows;                     //矩阵的行数  
	int ncols = img.cols*channels;             //矩阵的总列数=列数*channel分量数  
	if (img.isContinuous())               //判断矩阵是否连续，若连续，我们相当于只需要遍历一个一维数组  
	{
		ncols *= nrows;
		nrows = 1;                 //一维数组  
	}
	//遍历像素点灰度值  
	for (int i = 0; i<nrows; i++)
	{
		uchar *p = temp.ptr<uchar>(i);    //获取行地址  
		for (int j = 0; j<ncols; j++)
		{
			p[j] = alt*p[j] + base;//修改灰度值  

			if (p[j] > 255)
				p[j] = 255;
			if (p[j] < 0)
				p[j] = 0;
		}
	}
	return temp;
}

Mat XianStretch(Mat &img, int a, int b, int c, int d)//线性灰度拉伸，将[a,b]拉伸到[c,d]
{
	CV_Assert(img.depth() != sizeof(uchar));  //声明只对深度8bit的图像操作  
	Mat temp = img.clone();

	int channels = img.channels();            //获取图像channel  
	int nrows = img.rows;                     //矩阵的行数  
	int ncols = img.cols*channels;             //矩阵的总列数=列数*channel分量数  
	if (img.isContinuous())               //判断矩阵是否连续，若连续，我们相当于只需要遍历一个一维数组  
	{
		ncols *= nrows;
		nrows = 1;                 //一维数组  
	}
	//遍历像素点灰度值  
	for (int i = 0; i<nrows; i++)
	{
		uchar *p = temp.ptr<uchar>(i);    //获取行地址  
		for (int j = 0; j<ncols; j++)
		{
			if (p[j] < a)
				p[j] = c / b * p[j];
			else if (p[j] > a && p[j] < b)
				p[j] = (d - c) / (b - a) * (p[j] - a) + c;
			else
				p[j] = (255 - d) / (255 - b) *(p[j] - b) + d;
		}
	}
	return temp;
}

Mat HistogramEqu(Mat &img)               //直方均衡
{
	CV_Assert(img.depth() != sizeof(uchar));  //声明只对深度8bit的图像操作  
	Mat temp = img.clone();
	int grayNum[260] = { 0 };
	int grayMap[260] = { 0 };

	int channels = img.channels();            //获取图像channel  
	int nrows = img.rows;                     //矩阵的行数  
	int ncols = img.cols*channels;             //矩阵的总列数=列数*channel分量数  
	int allPixel = nrows*ncols;               //图像的像素总数
	int c;                                    //用于计算累积分布概率

	if (img.isContinuous())               //判断矩阵是否连续，若连续，我们相当于只需要遍历一个一维数组  
	{
		ncols *= nrows;
		nrows = 1;    //一维数组  
	}
	//遍历像素点灰度值  
	for (int i = 0; i<nrows; i++)
	{
		uchar *p = temp.ptr<uchar>(i);    //获取行地址  
		for (int j = 0; j<ncols; j++)
		{
			grayNum[p[j]]++;        //原图像的直方图
		}
	}

	for (int i = 0; i < 256; i++)     //重新定义新的直方图
	{
		c = 0;
		for (int j = 0; j<=i; j++)
		{
			c += grayNum[j];
			grayMap[i] = int (255 * c / allPixel);
			
		}
		//printf("%d %d\n", i, grayMap[i]);
	}



	for (int i = 0; i < nrows; i++)     //重新定义新的直方图
	{
		uchar *p = temp.ptr<uchar>(i);    //获取行地址  	
		for (int j = 0; j < ncols; j++)
		{
			p[j] = grayMap[p[j]];
		}
	}
	return temp;
}

int main()
{
	string picName = "lena256.jpg";
	Mat A = imread(picName, CV_LOAD_IMAGE_GRAYSCALE);    //读入灰度图像  
	
	imshow("变换前", A);

	Mat B = XianChange(A, 1, 20);//根据需要设置不同的参数
	imshow("线性变换后", B);

	Mat C = XianStretch(A, 10, 100, 20, 50);//根据需要设置不同的参数
	imshow("线性拉伸后", C);

	Mat D = HistogramEqu(A);
	imshow("直方均衡后", D);

	waitKey();
	return 0;
}

程序运行完后的效果图：

使用的原图：

灰度图像的直方均衡、线性变换与线性拉伸

猜你喜欢