OpenCV，常用图像增强算法的实现

原文地址 http://blog.csdn.net/kezunhai/article/details/41553097

好资料，没收了！！！

1、对数图像增强算法

      对数图像增强是图像增强的一种常见方法，其公式为： S = c log(r+1)，其中c是常数（以下算法c=255/(log(256)），这样可以实现整个画面的亮度增大。

void LogEnhance(IplImage* img, IplImage* dst)
{
	// 由于oldPixel:[1,256],则可以先保存一个查找表
	uchar lut[256] ={0};

	double temp = 255/log(256);

	for ( int i =0; i<255; i++)
	{
		lut[i] = (uchar)(temp* log(i+1)+0.5);
	}

	for( int row =0; row height; row++)
	{
		uchar *data = (uchar*)img->imageData+ row* img->widthStep;
		uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;

		for ( int col = 0; colwidth; col++)
		{
			for( int k=0; knChannels; k++)
			{
				uchar t1 = data[col*img->nChannels+k];				
				dstData[col*img->nChannels+k] = lut[t1];
			}
		}		
	}	
}

2、指数图像增强算法

      指数图像增强的表达为：S = cR^r，通过合理的选择c和r可以压缩灰度范围，算法以c=1.0/255.0, r=2实现。

void ExpEnhance(IplImage* img, IplImage* dst)
{
	// 由于oldPixel:[1,256],则可以先保存一个查找表
	uchar lut[256] ={0};

	double temp = 1.0/255.0;

	for ( int i =0; i<255; i++)
	{
		lut[i] = (uchar)(temp*i*i+0.5);
	}

	for( int row =0; row height; row++)
	{
		uchar *data = (uchar*)img->imageData+ row* img->widthStep;
		uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;

		for ( int col = 0; colwidth; col++)
		{
			for( int k=0; knChannels; k++)
			{
				uchar t1 = data[col*img->nChannels+k];				
				dstData[col*img->nChannels+k] = lut[t1];
			}
		}		
	}	
}

3、加Masaic算法

        在日常中有时候保密或其他需要将图像马赛克，下面的算法实现图像马赛克功能（原理：用中心像素来表示邻域像素）。

uchar getPixel( IplImage* img, int row, int col, int k)
{
	return ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k];
}

void setPixel( IplImage* img, int row, int col, int k, uchar val)
{
	((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k] = val;
}

// nSize:为尺寸大小，奇数
// 将邻域的值用中心像素的值替换
void Masic(IplImage* img, IplImage* dst, int nSize)
{
	int offset = (nSize-1)/2;
	for ( int row = offset; row height - offset; row= row+offset)
	{
		for( int col= offset; colwidth - offset; col = col+offset)
		{
			int val0 = getPixel(img, row, col, 0);
			int val1 = getPixel(img, row, col, 1);
			int val2 = getPixel(img, row, col, 2);
			for ( int m= -offset; m

4、曝光过度问题处理

      对于曝光过度问题，可以通过计算当前图像的反相（255-image)，然后取当前图像和反相图像的较小者为当前像素位置的值。

// 过度曝光原理：图像翻转，然后求原图与反图的最小值

void ExporeOver(IplImage* img, IplImage* dst)
{
	for( int row =0; row height; row++)
	{
		uchar *data = (uchar*)img->imageData+ row* img->widthStep;
		uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
		for ( int col = 0; colwidth; col++)
		{
			for( int k=0; knChannels; k++)
			{
				uchar t1 = data[col*img->nChannels+k];
				uchar t2 = 255 - t1;
				dstData[col*img->nChannels+k] = min(t1,t2);
			}
		}		
	}
}

5、高反差保留

      高反差保留主要是将图像中颜色、明暗反差较大两部分的交界处保留下来，比如图像中有一个人和一块石头，那么石头的轮廓线和人的轮廓线以及面部、服装等有明显线条的地方会变被保留，儿其他大面积无明显明暗变化的地方则生成中灰色。其表达形式为：dst = r*(img - Blur(img))。

Mat HighPass(Mat img)
{
	Mat temp;
	GaussianBlur(img, temp,Size(7,7),1.6,1.6);

	int r=3;	
	Mat diff = img + r*(img-temp); //高反差保留算法
	return diff;
}

测试代码：

int main(int argc, char* argv[])
{
	const char* Path = "02.bmp";
	IplImage *img = cvLoadImage(Path,CV_LOAD_IMAGE_ANYCOLOR);
	IplImage *dst = cvCreateImage(cvGetSize(img), img->depth, img->nChannels);
	cout<<"输入你要选择的操作："<>choice;
	switch (choice)
	{
	case 1: 
		ExporeOver(img, dst);   //这四个算法中总觉得某个算法有问题
		break;
	case 2: 
		Masic(img, dst, 21);
		break;
	case 3: 
		LogEnhance(img, dst);
		break;
	case 4:
		ExpEnhance(img, dst);
		break;
	default:
		cout<<"输入错误"<

实现在MFC中效果如下（程序有点小问题，“高斯平滑”的效果应该是中值滤波）：