文章目录0 简介1. 基于直方图均衡化的图像增强2\. 基于拉普拉斯算子的图像增强4\. 基于伽马变换的图像增强软件实现效果最后0 简介今天学长向大家分享一个毕业设计项目毕业设计 opencv图像增强算法系统项目运行效果毕业设计 基于机器视觉的图像增强项目分享见主页任意置顶文章1. 基于直方图均衡化的图像增强直方图均衡化是通过调整图像的灰阶分布使得在0~255灰阶上的分布更加均衡提高了图像的对比度达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。彩色图像的直方图均衡化实现#include #include #include using namespace cv; int main(int argc, char *argv[]) { Mat image imread(Test.jpg, 1); if (image.empty()) { std::cout 打开图片失败,请检查 std::endl; return -1; } imshow(原图像, image); Mat imageRGB[3]; split(image, imageRGB); for (int i 0; i 3; i) { equalizeHist(imageRGB[i], imageRGB[i]); } merge(imageRGB, 3, image); imshow(直方图均衡化图像增强效果, image); waitKey(); return 0; }直方图均衡化增强前原图像直方图均衡化增强后效果2. 基于拉普拉斯算子的图像增强使用中心为5的8邻域拉普拉斯算子与图像卷积可以达到锐化增强图像的目的拉普拉斯算子如下图所示拉普拉斯算子可以增强局部的图像对比度#include #include #include using namespace cv; int main(int argc, char *argv[]) { Mat image imread(Test.jpg, 1); if (image.empty()) { std::cout 打开图片失败,请检查 std::endl; return -1; } imshow(原图像, image); Mat imageEnhance; Mat kernel (Mat_(3, 3) 0, -1, 0, 0, 5, 0, 0, -1, 0); filter2D(image, imageEnhance, CV_8UC3, kernel); imshow(拉普拉斯算子图像增强效果, imageEnhance); waitKey(); return 0; }拉普拉斯算子增强前原图像拉普拉斯算子增强后效果3. 基于对数Log变换的图像增强对数变换可以将图像的低灰度值部分扩展显示出低灰度部分更多的细节将其高灰度值部分压缩减少高灰度值部分的细节从而达到强调图像低灰度部分的目的。变换方法对数变换对图像低灰度部分细节增强的功能过可以从对数图上直观理解x轴的0.4大约对应了y轴的0.8即原图上00.4的低灰度部分经过对数运算后扩展到00.8的部分而整个0.41的高灰度部分被投影到只有0.81的区间这样就达到了扩展和增强低灰度部分压缩高灰度部分的值的功能。从上图还可以看到对于不同的底数底数越大对低灰度部分的扩展就越强对高灰度部分的压缩也就越强。#include #include using namespace cv; int main(int argc, char *argv[]) { Mat image imread(Test.jpg); Mat imageLog(image.size(), CV_32FC3); for (int i 0; i image.rows; i) { for (int j 0; j image.cols; j) { imageLog.at(i, j)[0] log(1 image.at(i, j)[0]); imageLog.at(i, j)[1] log(1 image.at(i, j)[1]); imageLog.at(i, j)[2] log(1 image.at(i, j)[2]); } } //归一化到0~255 normalize(imageLog, imageLog, 0, 255, CV_MINMAX); //转换成8bit图像显示 convertScaleAbs(imageLog, imageLog); imshow(Soure, image); imshow(after, imageLog); waitKey(); return 0; }对数Log变换增强前原图像对数Log变换增强后效果对数变换对于整体对比度偏低并且灰度值偏低的图像增强效果较好。4. 基于伽马变换的图像增强伽马变换主要用于图像的校正将灰度过高或者灰度过低的图片进行修正增强对比度。变伽马变换对图像的修正作用其实就是通过增强低灰度或高灰度的细节实现的从伽马曲线可以直观理解γ值以1为分界值越小对图像低灰度部分的扩展作用就越强值越大对图像高灰度部分的扩展作用就越强通过不同的γ值就可以达到增强低灰度或高灰度部分细节的作用。伽马变换对于图像对比度偏低并且整体亮度值偏高对于于相机过曝情况下的图像增强效果明显。#include #include using namespace cv; int main(int argc, char *argv[]) { Mat image imread(Test.jpg); Mat imageGamma(image.size(), CV_32FC3); for (int i 0; i image.rows; i) { for (int j 0; j image.cols; j) { imageGamma.at(i, j)[0] (image.at(i, j)[0])*(image.at(i, j)[0])*(image.at(i, j)[0]); imageGamma.at(i, j)[1] (image.at(i, j)[1])*(image.at(i, j)[1])*(image.at(i, j)[1]); imageGamma.at(i, j)[2] (image.at(i, j)[2])*(image.at(i, j)[2])*(image.at(i, j)[2]); } } //归一化到0~255 normalize(imageGamma, imageGamma, 0, 255, CV_MINMAX); //转换成8bit图像显示 convertScaleAbs(imageGamma, imageGamma); imshow(原图, image); imshow(伽马变换图像增强效果, imageGamma); waitKey(); return 0; }伽马变换增强前原图像伽马变换增强后效果软件实现效果最后项目分享见主页任意置顶文章
