【Opencv】Mask影像匀光算法实现

**

1.算法原理

**

《数字正射影像镶嵌中色彩一致性处理的若干问题研究》

---

**

2.代码实现

**

#include 
#include  
#include  
#include   

using namespace cv;
using namespace std;

Mat getFFTresultImg(Mat& completeI,CvSize srcSize)
{
    Mat planes[2];
    split(completeI, planes);//把变换后的结果分割到各个数组的两页中，方便后续操作 
    Mat magI;
    magnitude(planes[0], planes[1], magI);//求傅里叶变换各频率的幅值，幅值放在第一页中。  


    //傅立叶变换的幅度值范围大到不适合在屏幕上显示。高值在屏幕上显示为白点，  
    //而低值为黑点，高低值的变化无法有效分辨。为了在屏幕上凸显出高低变化的连续性，我们可以用对数尺度来替换线性尺度:  
    magI += 1;
    log(magI, magI);//取对数  
    magI = magI(Rect(0, 0,srcSize.width,srcSize.height));//前边对原始图像进行了扩展，这里把对原始图像傅里叶变换取出，剔除扩展部分。  


    //这一步的目的仍然是为了显示。 现在我们有了重分布后的幅度图，  
    //但是幅度值仍然超过可显示范围[0,1] 。我们使用 normalize() 函数将幅度归一化到可显示范围。  
    normalize(magI, magI, 0, 1, CV_MINMAX);//傅里叶图像进行归一化。  


    //重新分配象限，使（0,0）移动到图像中心，  
    //在《数字图像处理》中，傅里叶变换之前要对源图像乘以（-1）^(x+y)进行中心化。  
    //这是是对傅里叶变换结果进行中心化  
    int cx = magI.cols / 2;
    int cy = magI.rows / 2;

    Mat tmp;
    Mat q0(magI, Rect(0, 0, cx, cy));
    Mat q1(magI, Rect(cx, 0, cx, cy));
    Mat q2(magI, Rect(0, cy, cx, cy));
    Mat q3(magI, Rect(cx, cy, cx, cy));


    q0.copyTo(tmp);
    q3.copyTo(q0);
    tmp.copyTo(q3);

    q1.copyTo(tmp);
    q2.copyTo(q1);
    tmp.copyTo(q2);
    return magI;
}

Mat FFT(Mat& src_gray)
{
    //Mat src_gray;
    //cvtColor(src, src_gray, CV_RGB2GRAY);//灰度图像做傅里叶变换  

    int m = getOptimalDFTSize(src_gray.rows);//2,3,5的倍数有更高效率的傅里叶转换  
    int n = getOptimalDFTSize(src_gray.cols);

    Mat dst;
    ///把灰度图像放在左上角，在右边和下边扩展图像，扩展部分填充为0；  
    // 0, m - src_gray.rows, 0, n - src_gray.cols 上边填充0行，下面填充m - src_gray.rows行
    copyMakeBorder(src_gray, dst, 0, m - src_gray.rows, 0, n - src_gray.cols, BORDER_CONSTANT, Scalar::all(0));
    //cout << dst.size() << endl;

    //新建一个两页的array，其中第一页用扩展后的图像初始化，第二页初始化为0  
    Mat planes[] = { Mat_<float>(dst), Mat::zeros(dst.size(), CV_32F) };
    Mat  completeI;
    merge(planes, 2, completeI);//把两页合成一个2通道的mat  

    //对上边合成的mat进行傅里叶变换，支持原地操作，傅里叶变换结果为复数。通道1存的是实部，通道2存的是虚部。  
    dft(completeI, completeI);


    return completeI.clone();
}
//计算高斯滤波系数矩阵
Mat clcGLPFMat( Mat& mat,int D0)
{
    int width = mat.rows;
    int height = mat.cols;
    int M = width;
    int N = height;
    Mat mat_GLPF(mat.size(), CV_32FC1);

    Mat U, V;
    U.create(M, N, CV_32FC1);
    V.create(M, N, CV_32FC1);

    for (int u = 0; u < M; ++u)
    {
        for (int v = 0; v < N; ++v)
        {
            float tm1, tm2;
            tm1 = (float)((u > cvRound(M / 2)) ? u - M : u);
            tm2 = (float)((v > cvRound(N / 2)) ? v - N : v);

            U.at<float>(u, v) = tm1;
            V.at<float>(u, v) = tm2;
        }
    }


    for (int u = 0; u < M; ++u)
    {
        for (int v = 0; v < N; ++v)
        {
            float t1, t2;
            t1 = U.at<float>(u, v);
            t2 = V.at<float>(u, v);
            float Elem_D = t1*t1 + t2*t2;
            mat_GLPF.at<float>(u, v) = (float)(exp(-(Elem_D) / (2 * D0*D0)) / 2 / 3.1415 / (2 * D0*D0));
        }
    }
    Mat_<float>::iterator begainIt = mat_GLPF.begin<float>();
    Mat_<float>::iterator endIt = mat_GLPF.end<float>();
    float sumValue = 0;
    for (; begainIt != endIt; begainIt++)
    {
        sumValue += *begainIt;
    }
    mat_GLPF = mat_GLPF / sumValue;
    return mat_GLPF.clone();
}

Mat mask(Mat& plane)
{
    Mat FFTresult = FFT(plane);//傅里叶变换包含实部和虚部，分别放在两个planes里
    Mat planes[2];
    split(FFTresult, planes);
    imshow("FFTresult",getFFTresultImg(FFTresult, FFTresult.size()));

    Mat GLPFMatIM = clcGLPFMat(planes[0], 10);//高斯滤波系数
    Mat GLPFMatRE = clcGLPFMat(planes[1],10);
    planes[0] = GLPFMatIM.mul(planes[0]);
    planes[1] = GLPFMatRE.mul(planes[1]);
    Mat GLPFresult;
    merge(planes, 2, GLPFresult);       //实部虚部分别高斯滤波，然后合成到滤波结果
    imshow("FFTresultAfterFlit", getFFTresultImg(GLPFresult, GLPFresult.size()));

    Mat maskResult;
    dft(GLPFresult, maskResult, DFT_INVERSE + DFT_SCALE);//滤波结果做傅里叶反变换

    split(maskResult, planes);//把反变换后的结果分割到两页中，方便后续操作 
    Mat mask;
    magnitude(planes[0], planes[1], mask);//求傅里叶变换各频率的幅值  
    return mask.clone();
}

int main(){
    Mat src = imread("g:\\Opencv\\lb.jpg");
    if (src.empty())
    {
        return-1;
    }
    Mat BGR[3];
    split(src,BGR);
    BGR[0] = mask(BGR[0]);
    BGR[1] = mask(BGR[1]);
    BGR[2] = mask(BGR[2]);
    Mat maskBGR;
    merge(BGR, 3, maskBGR);
    maskBGR = maskBGR(Rect(0, 0, src.size().width, src.size().height));
    cout << maskBGR.size()<cout << src.size()<1 / 255.0);
    imshow("maskBGR", maskBGR);
    maskBGR = src - maskBGR+20.0/255.0;
    namedWindow("InputImage");
    imshow("InputImage", src);
    imshow("RESULT", maskBGR);

    waitKey();
    return 0;
}

**

3.实验结果

**

高斯滤波前后的频谱图

原始图像、还原图像g(x,y)、结果图像
结果图像中没有加灰度偏移量offest，图像亮度偏低