C++?opencv圖像處理實現灰度變換示例
灰度變換概念
在圖像預處理中,圖像的灰度變換是圖像增強的重要手段,灰度變換可以使圖像對比度擴展,圖像清晰,特征明顯,灰度變換主要利用點運算來修正像素灰度,由輸入像素點的灰度值確定相應輸出點的灰度值,是一種基于圖像變換的操作。
灰度變換的作用
1.改善圖像是質量,顯示更多的細節(jié),提高圖像的對比度
2.有選擇的突出圖像感興趣的特征或者抑制圖像中不需要的特征
3.可以有效的改變圖像的直方圖的分布,使像素的分布更加均勻
灰度變換的方法
1.線性灰度變換
2.非線性灰度變換(對數變換,冪律變換(伽馬變換))
灰度化
灰度的概念
在數字圖像中,像素是基本的表示單位,各個像素的亮安程度用灰度值來標識,只含亮度信息,不含色彩信息的圖像稱為灰度圖像,對于單色圖像,它的每個像素的灰度值用【0,255】區(qū)間的整數表示,即圖像分為256個灰度等級,對于彩色圖像,他的每個像素由R,G,B三個單色調配而成,如果每個像素的R,G,B完全相同,也就是R=G=B=D,該圖像就是灰度圖像,其中D被稱為各個像素的灰度值。
對彩色圖進行灰度化
1.加權平均值法
D=0.299R+0.587G+0.114*B
代碼如下:
#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat img, img2;
img = imread("貓1.jpg");
imshow("原圖", img);
img2.create(img.size(), 0);
for (int i = 0; i < img.rows; i++)
{
for (int j = 0; j < img.cols; j++)
{
img2.at<uchar>(i, j) = saturate_cast<uchar>(0.114*img.at<Vec3b>(i, j)[0] + 0.587*img.at<Vec3b>(i, j)[1] + 0.299*img.at<Vec3b>(i, j)[2]);
}
}
imshow("經驗公式", img2);
waitKey(0);
}
效果如下:

2.取最大值
代碼如下:
int main()
{
Mat img, img2;
img = imread("貓1.jpg");
imshow("原圖", img);
img2.create(img.size(), 0);
for (int i = 0; i < img.rows; i++)
{
for (int j = 0; j < img.cols; j++)
{
int max = img.at<Vec3b>(i, j)[0];
for (int x = 0; x < 3; x++)
{
if (max < img.at<Vec3b>(i, j)[x])
{
max = img.at<Vec3b>(i, j)[x];
}
}
img2.at<uchar>(i, j) = saturate_cast<uchar>(max);
}
}
imshow("最大值", img2);
waitKey(0);
}
3.平均值
代碼如下:
int main()
{
Mat img, img2;
img = imread("貓1.jpg");
imshow("原圖", img);
img2.create(img.size(), 0);
for (int i = 0; i < img.rows; i++)
{
for (int j = 0; j < img.cols; j++)
{
img2.at<uchar>(i, j) = saturate_cast<uchar>((img.at<Vec3b>(i, j)[0] + img.at<Vec3b>(i, j)[1] + img.at<Vec3b>(i, j)[2])/3);
}
}
imshow("平均值", img2);
waitKey(0);
}
灰度的線性變換
圖像的線性變換是圖像處理的基本運算,通常應用在調整圖像的畫面質量方面,如圖像對比度,亮度及反轉等操作?;叶鹊木€性變換就是將圖像中所有點的灰度按照線性灰度變換函數進行變換。
1.線性變換
y=kx+b;
代碼如下:
int main()
{
Mat img1, img2;
img1 = imread("貓1.jpg", 1);
imshow("原圖", img1);
img2 = Mat::zeros(img1.size(), 0);
for (int i = 0; i < img1.rows; i++)
{
for (int j = 0; j < img1.cols; j++)
{
for (int s = 0; s < 3; s++)
{
img2.at<uchar>(i, j) = saturate_cast<uchar>(1.1*img1.at<Vec3b>(i, j)[s] + 20);
}
}
}
imshow("線性", img2);
waitKey(0);
}
效果如下:

2.分段線性變換

代碼如下:
int main()
{
Mat img1, img2;
img1 = imread("貓1.jpg", 0);
imshow("原圖", img1);
img2 = Mat::zeros(img1.size(), 0);
for (int i = 0; i < img1.rows; i++)
{
for (int j = 0; j < img1.cols; j++)
{
uchar temp = img1.at<uchar>(i, j);
if (temp <=70)
{
img2.at<uchar>(i, j) = saturate_cast<uchar>(0.5*temp + 20);
}
else if (temp > 70 && temp <= 150)
{
img2.at<uchar>(i, j) = saturate_cast<uchar>(1.2*temp + 100);
}
else if (temp > 150 && temp <= 255)
{
img2.at<uchar>(i, j) = saturate_cast<uchar>(0.9*temp + 55);
}
}
}
imshow("分段線性", img2);
waitKey(0);
}
效果如下:

灰度的非線性變換
對數變換和分對數變換都屬于非線性變換
1.對數變換
對數變換能增強圖像暗部的細節(jié)
代碼如下:
int main()
{
double c = 1.2;
Mat img1, img2, img3;
img1 = imread("貓1.jpg",0);
img3 = Mat::ones(img1.size(), CV_32FC3);
add(img1, Scalar(1.0), img1);
img1.convertTo(img1, CV_32F);
log(img1, img3);
img3 = c*img3;
normalize(img3, img3, 0, 255, NORM_MINMAX);//歸一化到0-255 NORM_MINMAX 線性歸一化
convertScaleAbs(img3, img3);//轉換成8bit通道顯示
imshow("對數變換", img3);
waitKey(0);
}
效果如下:

2.冪律變換
冪律變換也稱伽馬變換或指數變換,主要用于圖像的校正,對漂白的圖片或過黑的圖片進行修正,增強對比度
代碼如下:
int main()
{
Mat img1, img2;
img1 = imread("貓1.jpg",0);
img2.create(img1.size(), img1.type());
for (int i = 0; i < img1.rows; i++)
{
for (int j = 0; j < img1.cols; j++)
{
int gray = img1.at<uchar>(i, j);
img2.at<uchar>(i, j) = saturate_cast<uchar>(pow(gray,0.5));
}
}
normalize(img2, img2, 0, 255, NORM_MINMAX);
imshow("冪律變換", img2);
waitKey(0);
}
效果如下:

總結
以上就是本文的全部內容,本文簡單介紹了灰度化以及灰度變換的一些基礎知識,更多關于C++ opencv灰度變換的資料請關注腳本之家其它相關文章!

