点运算： 基于直方图的对比度增强
引言
图像处理–>空间域处理–>点运算。
1、图像显示与存储原理
<center>
<img src="" width="60%" height="60%"> #更改图片大小并居中
- RGB
- CMY（K）
- HSV
- CIE-XYZ
存储原理
2、图像增强的目标
- 改善图像的视觉效果；
- 转换为更适合于人或机器分析处理的形式；
- 突出对人或机器分析有意义的信息；
- 抑制无用信息， 提高图像的使用价值；
- 包括图像锐化， 平滑、 去噪， 灰度调整（对比度增强）
图像处理方法
3、点运算（基于直方图的对比度增强）
直方图统计：
直方图均衡化：
- 直方图均衡化是指： 利用图像直方图对对比度进行调整的方法。
- 直方图均衡化通常用来增加许多图像的局部对比度， 尤其是当图像的有用数据的对比度相当接近的时候。
- 直方图均衡化以后， 亮度可以更好地在直方图上分布。 这样就可以用于增强局部的对比度而不影响整体的对比度， 直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
- 直方图均衡化，实质上是对图像进行非线性拉伸，重新分配各个灰度单位中的像素点数量， 使一定灰度范围像素点数量的值大致相等。
自适应直方图均衡（AHE）：
- 直方图均衡的经典算法对整幅图像的像素使用相同的变换， 如果图像中包括明显亮的或者暗的区域， 则经典算法作用有限。
- 自适应直方图均衡（AHE） 算法通过对局部区域进行直方图均衡， 来解决上述问题。
- 移动模板在原始图片上按特定步长滑动；
- 每次移动后， 模板区域内做直方图均衡， 映射后的结果赋值给模板区域内所有点；
- 每个点会有多次赋值， 最终的取值为这些赋值的均值。
CLAHE：
CLAHE参考博客。一定要看。
-
AHE会过度放大图像中相对均匀区域的噪音， 可采用限制对比度自适应直方图均衡(CLAHE) 。
-
与普通的自适应直方图均衡相比， CLAHE的不同地方在于直方图修剪过程， 用修剪后的直方图均衡图像时， 图像对比度会更自然。
-
整体思想就是把直方图高的部分截取来将整个直方图垫高。
- 小黑点的灰度直接由映射函数计算得到；
- 粉色区域内点的灰度由映射函数计算而得；
- 绿色区域内点的灰度由由相邻2块灰度映射值线性插值而得；
- 其他区域所有点的灰度由相邻4块的灰度映射值双线性插值而得。
CLAHE算法步骤：
扫描二维码关注公众号，回复：
3871585 查看本文章
- 1.图像分块， 以块为单位；
- 2.先计算直方图， 然后修剪直方图， 最后均衡；
- 3.遍历操作各个图像块， 进行块间双线性插值；
- 4.与原图做图层滤色混合操作。 （可选）
4、程序
直方图均衡化（HE）
Cpp+opencv
#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;
int main( )
{
// 加载源图像
Mat srcImage, dstImage;
srcImage = imread( "1.jpg", 1 );
if(!srcImage.data ) { printf("读取图片错误，请确定目录下是否有imread函数指定图片存在~！ \n"); return false; }
// 转为灰度图并显示出来
cvtColor( srcImage, srcImage, CV_BGR2GRAY );
imshow( "原始图", srcImage );
// 进行直方图均衡化
equalizeHist( srcImage, dstImage );
// 显示结果
imshow( "经过直方图均衡化后的图", dstImage );
waitKey(0);
return 0;
}
其他OpenCV图像增强算法实现参考博客
自适应直方图均衡化（AHE）
限制对比度自适应直方图均衡化（CLAHE）
Python+opencv
import cv2
import matplotlib.pyplot as plt
img = cv2.imread('timg.jpg',0) #直接读为灰度图像
res = cv2.equalizeHist(img)
clahe = cv2.createCLAHE(clipLimit=2,tileGridSize=(10,10))
cl1 = clahe.apply(img)
plt.subplot(131),plt.imshow(img,'gray')
plt.subplot(132),plt.imshow(res,'gray')
plt.subplot(133),plt.imshow(cl1,'gray')
plt.show()
cpp+opencv
#include "opencv2/opencv.hpp"
#include <iostream>
using namespace cv;
using namespace std;
void main()
{
Mat inp_img = cv::imread("D:\\proMatlab\\vessel_edge_extration\\image\\7.jpg");
if (!inp_img.data) {
cout << "Something Wrong";
}
namedWindow("Input Image", CV_WINDOW_AUTOSIZE);
imshow("Input Image", inp_img);
Mat clahe_img;
cvtColor(inp_img, clahe_img, CV_BGR2Lab);
vector<cv::Mat> channels(3);
split(clahe_img, channels);
Ptr<cv::CLAHE> clahe = createCLAHE();
// 直方图的柱子高度大于计算后的ClipLimit的部分被裁剪掉，然后将其平均分配给整张直方图
clahe->setClipLimit(4.); // (int)(4.*(8*8)/256)
//clahe->setTilesGridSize(Size(8, 8)); // 将图像分为8*8块
Mat dst;
clahe->apply(channels[0], dst);
dst.copyTo(channels[0]);
//
clahe->apply(channels[1], dst);
dst.copyTo(channels[1]);
clahe->apply(channels[2], dst);
dst.copyTo(channels[2]);
merge(channels, clahe_img);
Mat image_clahe;
cvtColor(clahe_img, image_clahe, CV_Lab2BGR);
namedWindow("CLAHE Image", CV_WINDOW_AUTOSIZE);
imshow("CLAHE Image", image_clahe);
imwrite("out.jpg", image_clahe);
waitKey();
system("pause");
}
