前言
在上一章中描述了两张图像的混合处理，详细描述可点击查看(https://www.jianshu.com/p/68ffabfb3031)
目标
本章中，将学习如何：
- 理论
- 代码演示
- 相关API
图像处理理论
图像变换就是找到一个函数，把原始图像矩阵经过函数处理后，转换为目标图像矩阵。可以分为两种方式，即像素级别的变换和区域级别的变换：
- 像素变换（Point operators） - 点操作（pixel transforms）
- 领域操作（Neighborhood operators） - 区域（area-based ）
调整图像亮度和对比度属于像素变换 - 点操作，即变换后的每个像素值都与变换前的同位置的像素值有个函数映射关系。
线性变换
调整对比度和亮度，最常用的就是线性表变换。即g(i,j)=α⋅f(i,j)+β
- f(i,j)是原像素值，g(i,j)是变换后的像素值
-
α 调整对比度,β调整亮度.有时也称之为gain和bias参数.
对比度是什么？不就是“亮和暗的区别”吗？也就是像素值大小的区别。如果乘以一个alpha系数，当alpha很大的时候就是放大了这个亮度值的差异，也就是提高了对比度，当alpha很小时，也就是缩小了亮度的差异，也就是降低了对比度。beta就更好理解了，直接在像素的亮度值上加上一个常数，为正数时就是提搞图像亮度，为负数就是降低图像亮度。
源代码
int main(int argc, char** argv) {
Mat src, dst;
src = imread("../images/test.png");
if (!src.data) {
printf("could not load image...\n");
return -1;
}
char input_win[] = "input image";
cvtColor(src, src, CV_BGR2GRAY);
namedWindow(input_win, CV_WINDOW_AUTOSIZE);
imshow(input_win, src);
// contrast and brigthtness changes
int height = src.rows;
int width = src.cols;
dst = Mat::zeros(src.size(), src.type());
float alpha = 1.2;
float beta = 30;
Mat m1;
src.convertTo(m1, CV_32F);
for (int row = 0; row < height; row++) {
for (int col = 0; col < width; col++) {
if (src.channels() == 3) {
float b = m1.at<Vec3f>(row, col)[0];// blue
float g = m1.at<Vec3f>(row, col)[1]; // green
float r = m1.at<Vec3f>(row, col)[2]; // red
// output
dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b*alpha + beta);
dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g*alpha + beta);
dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r*alpha + beta);
}
else if (src.channels() == 1) {
float v = src.at<uchar>(row, col);
dst.at<uchar>(row, col) = saturate_cast<uchar>(v*alpha + beta);
}
}
}
char output_title[] = "contrast and brightness change demo";
namedWindow(output_title, CV_WINDOW_AUTOSIZE);
imshow(output_title, dst);
waitKey(0);
return 0;
}
效果如下所示：
原图像.png
处理后图像.png
API说明
- Mat new_image = Mat::zeros(image.size(),image.type());创建一张跟原图像大小和类型一致的空白图像、像素值初始化为0
- saturate_cast<uchar>(value)确保值大小范围为0~255之间
- Mat.at<Vec3b>(y,x)[index] = value给每个像素点单通道赋值
非线性变换
线性处理图
线性变换存在一些问题；如上图所示，当提高原图亮度的同时，导致教亮的区域过亮，导致部分字符看不见，而同时又存在部分字符亮度过暗，这个时候就应该引入非线性变换来处理。称之为Gamma Correction:
Gamma Correction.png
与线性变换不同，对不同的原始亮度值，其变化强度是不同的，是非线性的
非线性变化曲线.png
源代码
int main(int argc, char** argv) {
Mat src, dst;
src = imread("../images/test.png");
if (!src.data) {
printf("could not load image...\n");
return -1;
}
char input_win[] = "input image";
cvtColor(src, src, CV_BGR2GRAY);
namedWindow(input_win, CV_WINDOW_AUTOSIZE);
imshow(input_win, src);
// contrast and brigthtness changes
float gamma = 0.55;
Mat lookUpTable(1, 256, CV_8U); // 构造一个表，用以查询变换系数
uchar* p = lookUpTable.ptr();
for (int i = 0; i < 256; ++i)
p[i] = saturate_cast<uchar>(pow(i / 255.0, gamma)*255.0);
dst = src.clone();
LUT(src, lookUpTable, dst);
char output_title[] = "contrast and brightness change demo";
namedWindow(output_title, CV_WINDOW_AUTOSIZE);
imshow(output_title, dst);
waitKey(0);
return 0;
}
效果如下图所示：
非线性处理结果.png
API说明
void LUT(InputArray src, InputArray lut, OutputArray dst);
//src表示的是输入图像(可以是单通道也可是3通道)
//lut表示查找表（查找表也可以是单通道，也可以是3通道，如果输入图像为单通道，那查找表必须为单通道，若输入图像为3通道，查找表可以为单通道，也可以为3通道，若为单通道则表示对图像3个通道都应用这个表，若为3通道则分别应用 ）
//dst表示输出图像
何为LUT，LUT（Look-Up Table）实际上就是一张像素灰度值的映射表，它将实际采样到的像素值经过一定的变换如阈值、反转、二值化、对比度调整、线性变换等，变成了另外一个与之对应的灰度值，这样可以起到突出图像的有用信息，增强图像的光对比度的作用。
其实查询表的实质就是：把图像中的数据从之前的比较高的灰度级降下来，例如灰度级是256的char类型的灰度级，我们通过一个参数，将原来的256个灰度降到了3个灰度级，原来图像中灰度值在0-100的数据现在灰度值变成了00，原来灰度值为101-200的图像数据现在灰度值变为了1，而201-256的灰度值就变为了2.所以通过参数100，图像的灰度级就到了2，只有0,1,2三个灰度值，那么原来的图像矩阵中的每一位数据我们是char型的，需要8位来表示一个数据，而灰度级降下来之后，我们只需要2位就足以表示所有灰度值。
网友评论