LUT查找表
一、引言
存在的意义：
在OpenCV中，LUT代表查找表（Lookup Table），它是一种用于像素值映射的技术。查找表是一个数组，其中每个元素对应于输入像素值的一个映射值。使用LUT可以有效地对图像进行像素值的转换，常用于颜色空间转换或者对特定像素值进行操作。
LUT通常在需要将图像像素值映射到其他值域时使用，例如将灰度图像转换为伪彩色图像。通过定义一个映射表，可以将原始图像中的每个像素值映射到新的颜色或灰度值，从而实现不同的效果。
而二值化阈值化（Thresholding）是另一种常见的图像处理技术，它将灰度图像转换为二值图像（只有两个像素值，通常是黑色和白色）。二值化是根据阈值将灰度图像中的像素值分成两个类别，通常是将低于阈值的像素设为一个值（例如0），高于阈值的像素设为另一个值（例如255）。二值化通常用于图像分割、边缘检测等应用中。
因此，LUT主要用于对图像像素值进行映射，从而实现颜色空间转换等操作，而二值化阈值化则用于将灰度图像转换为二值图像。两者的主要区别在于处理的目标和操作方式。
都是阈值分割和阈值shreshold有什么区别？
阈值shreshold只能将图片全局按照一个阈值进行映射，LUT可以按照自己设置的阈值范围进行映射
兼容了shreshold的二值化，但是可以多阈值划分。不仅仅可以应用于0-255像素值。
原理：映射
灰度值低于100映射为0，大于100小鱼253的映射为1，其余映射为2
比如一个灰度图像，其本质就是一个像素矩阵，我将其每一个像素的灰度值与我的映射矩阵进行比较，如果灰度值为150，则将其映射为1
如果此处还不明白，请见实操部分
二、代码源码
void::cv::LUT( InputArray src,
InputArray lut,
OutputArray dst
)-
src：输入矩阵，其数据类型只能是CV_8U
-
lut：256个灰度值的查找表，只能是单通道或者与src通道数相同（src3通道，lut不能是2通道，只能是1或者3通道，由此可见其是一个n*256的矩阵
-
dst：输出图像矩阵，其尺寸与src相同，但是数据类型和lut相同（因为src经过lut映射后，输出的dst其像素矩阵值只能是我们规定好的值，如图1的0/1/2）
如果src是三通道，lut是单通道。则是将三通道分离后每个通道单独与lut进行映射后再复合在一起，输出一个图像矩阵
如果src是三通道，lut是三通道。则是两两对应的通道进行映射，对应三个图像矩阵映射后复合在一起（src的R和lut的R映射、src的G和lut的G映射、src的B和lut的B映射）
三、实操
原图：
#include<opencv2/opencv.hpp>
#include<iostream>
#include<vector>
using namespace std;
using namespace cv;
int main()
{
Mat img = imread("E://学习//OPEN-CV学习//lena.png");
if (img.empty())
{
cout << "读取失败！" << endl;
return -1;
}
uchar Lutfirst[256];
//lut矩阵的第一个通道的数组值
for (int i = 0; i < 256; i++)
{
if (i <= 100)
{
Lutfirst[i] = 0;
}
if (i > 100 && i <= 200)
{
Lutfirst[i] = 100;
}
if (i > 200)
{
Lutfirst[i] = 255;
}
//通过数组的方式构造Mat矩阵
Mat lutOne(1, 256, CV_8U, Lutfirst);
//lut矩阵的第二个通道的数组值
uchar Lutsecond[256];
for (int i = 0; i < 256; i++)
{
if (i <= 100)
{
Lutfirst[i] = 0;
}
if (i > 100 && i <= 200)
{
Lutfirst[i] = 100;
}
if (i > 200)
{
Lutfirst[i] = 255;
}
}
//通过数组的方式构造Mat矩阵
Mat lutTwo(1, 256, CV_8U, Lutsecond);
//lut矩阵的第三个通道的数组值
uchar Lutthrid[256];
for (int i = 0; i < 256; i++)
{
if (i <= 100)
{
Lutfirst[i] = 100;
}
if (i > 100 && i <= 200)
{
Lutfirst[i] = 200;
}
if (i > 200)
{
Lutfirst[i] = 255;
}
}
//通过数组的方式构造Mat矩阵
Mat lutThree(1, 256, CV_8U, Lutthrid);
vector<Mat> mergeMats;
mergeMats.push_back(lutOne);
mergeMats.push_back(lutTwo);
mergeMats.push_back(lutThree);
Mat mergeTree;
merge(mergeMats, mergeTree);
Mat out_three,img_one,gary,gary_one;
//原图与单通道进行映射
LUT(img, lutOne, img_one);
//原图与多通道进行映射
LUT(img, mergeTree, out_three);
imshow("out_three", out_three);
imshow("out_three", img_one);
//灰度图与单通道进行映射
cvtColor(img, gary, COLOR_BGR2GRAY);
LUT(gary, lutOne, gary_one);
waitKey(0);
return 0;
}
}
生成的三个lut（1*256）矩阵和（3 *256）mergeTree映射矩阵，一个长条形的图像，从长条最左端到最右端代表了0-255
其不同的颜色就代表了映射不同的值
左图为转换为的单通道灰度图，右图为和lutOne映射矩阵映射后的图像
例子：
左图为原灰度值图像的截取一部分的像素矩阵图，灰度值高于100的将其映射为灰度值200，原灰度值低于100的将其灰度值映射为100（映射矩阵为实操代码中的lutOne）
左图为原图和lutOne映射矩阵映射后的图像，右图为原图（三通道）和mergeTree（三通道映射矩阵）映射后的结果图
四、使用时机
选择使用LUT还是二值化阈值化方法取决于你希望实现的图像处理目标。下面是一些指导原则，可以帮助你确定使用哪种方法：
使用LUT：
-
颜色空间转换：如果你需要将图像从一种颜色空间（如RGB）转换为另一种颜色空间（如HSV、Lab等），可以使用LUT来实现。
-
伪彩色图像：如果你希望将灰度图像转换为伪彩色图像，其中不同的灰度值映射到不同的颜色，你可以使用LUT来进行映射。
使用二值化阈值化：
-
图像分割：如果你需要将图像分成具有明显区别的目标和背景，二值化阈值化是一种常用的方法。通过选择合适的阈值，你可以将目标与背景分离开。
-
边缘检测：在某些情况下，你可能对图像中的边缘感兴趣。通过将图像转换为二值图像，边缘将以明显的黑白边界显示出来。
此外，还可以根据具体的图像内容和处理需求来决定使用哪种方法。在实际应用中，可以尝试不同的方法，并根据结果进行评估和调整，以达到最佳效果。