转载

[blogs 算法原理 ]局部标准差实现对比度增强

基于“局部标准差”的图像增强（原理、算法、代码）

一、理论

图像增强算法的基本原则是“降低低频区域，突出高频区域”，以此强化边缘，达到增强的目的。最简单的例子就是通过原始图像减去高斯模糊处理后的图像，就能够将边缘强化出来。

直方图均衡化也是一种非常常见的增强方法。但是为了避免背景的干扰，更倾向于采用“局部”方法进行处理。我们这里着重研究自适应对比度增强(ACE)的相关内容。

ACE的定义和原理(TODO)

ACE算法的相关内容：

计算低频成分：

[blogs 算法原理 ]局部标准差实现对比度增强

对于具体的像素，一般可以通过计算以该像素为中心的局部区域的像素平均值来实现。

而局部方差为：

[blogs 算法原理 ]局部标准差实现对比度增强

则ACE算法可以表示为:

[blogs 算法原理 ]局部标准差实现对比度增强

看上去还是比较简单的。这里的 [blogs 算法原理 ]局部标准差实现对比度增强和都可以根据图像本身计算出来。而则需要单独计算。

[blogs 算法原理 ]局部标准差实现对比度增强可以为单独的常量，或者通过来代替。这里的D是一个全局的值，比如平均值。

二、实现

涉及到局部的运算，自然而然会想到使用卷积的方法。更好的是Opencv提供了专门的函数用来做这个工作—BLUR

文档中写到：

[blogs 算法原理 ]局部标准差实现对比度增强

那么正是我们想要的结果。

[blogs 算法原理 ]局部标准差实现对比度增强

//ace 自适应对比度均衡研究

//by jsxyhelu

//感谢 imageshop

# include "stdafx.h"

# include < iostream >

# include "opencv2/core/core.hpp"

# include "opencv2/highgui/highgui.hpp"

# include "opencv2/imgproc/imgproc.hpp"

using namespace std;

using namespace cv;

//点乘法 elementWiseMultiplication

cv : : Mat EWM(cv : : Mat m1,cv : : Mat m2){

Mat dst = m1.mul(m2);

return dst;

}

void main()

{

Mat src = imread( "hand.jpg" , 0 );

Mat meanMask;

Mat varMask;

Mat meanGlobal;

Mat varGlobal;

Mat dst;

Mat tmp;

Mat tmp2;

int C = 30 ;

int D = 133 ;

//全局均值和均方差

blur(src.clone(),meanGlobal,src.size());

varGlobal = src - meanGlobal;

varGlobal = EWM(varGlobal,varGlobal);

blur(src.clone(),meanMask,Size( 50 , 50 )); //meanMask为局部均值

tmp = src - meanMask;

varMask = EWM(tmp,tmp);

blur(varMask,varMask,Size( 50 , 50 )); //varMask为局部方差

dst = meanMask + C * tmp;

imshow( "src" ,src);

imshow( "dst" ,dst);

waitKey();

}

接下来，为了实现 [blogs 算法原理 ]局部标准差实现对比度增强那么需要计算局部标准差和全局均值或方差

前面已经计算出了局部均值，那么

tmp = src - meanMask;

varMask = EWM(tmp,tmp);

blur(varMask,varMask,Size( 50 , 50

));

//varMask为局部方差

计算出局部方差

//换算成局部标准差

varMask.convertTo(varMask,CV_32F);

for ( int i = 0 ;i < varMask.rows;i ++ ){

for ( int j = 0 ;j < varMask.cols;j ++ ){

varMask.at < float > (i,j) = ( float )sqrt(varMask.at < float > (i,j));

}

换算成局部标准差

meanStdDev(src,meanGlobal,varGlobal); //meanGlobal为全局均值 varGlobal为全局标准差

是opencv提供的全局均值和标准差计算函数。

全部代码进行重构后如下

//ace 自适应对比度均衡研究

//by jsxyhelu

//感谢 imageshop

# include "stdafx.h"

# include < iostream >

# include "opencv2/core/core.hpp"

# include "opencv2/highgui/highgui.hpp"

# include "opencv2/imgproc/imgproc.hpp"

using namespace std;

using namespace cv;

//点乘法 elementWiseMultiplication

cv : : Mat EWM(cv : : Mat m1,cv : : Mat m2){

Mat dst = m1.mul(m2);

return dst;

}

//图像局部对比度增强算法

cv : : Mat ACE(cv : : Mat src, int C = 4 , int n = 20 , int MaxCG = 5 ){

Mat meanMask;

Mat varMask;

Mat meanGlobal;

Mat varGlobal;

Mat dst;

Mat tmp;

Mat tmp2;

blur(src.clone(),meanMask,Size( 50 , 50 )); //meanMask为局部均值

tmp = src - meanMask;

varMask = EWM(tmp,tmp);

blur(varMask,varMask,Size( 50 , 50 )); //varMask为局部方差

//换算成局部标准差

varMask.convertTo(varMask,CV_32F);

for ( int i = 0 ;i < varMask.rows;i ++ ){

for ( int j = 0 ;j < varMask.cols;j ++ ){

varMask.at < float > (i,j) = ( float )sqrt(varMask.at < float > (i,j));

}

meanStdDev(src,meanGlobal,varGlobal); //meanGlobal为全局均值 varGlobal为全局标准差

tmp2 = varGlobal / varMask;

for ( int i = 0 ;i < tmp2.rows;i ++ ){

for ( int j = 0 ;j < tmp2.cols;j ++ ){

if (tmp2.at < float > (i,j) > MaxCG){

tmp2.at < float > (i,j) = MaxCG;

}

tmp2.convertTo(tmp2,CV_8U);

tmp2 = EWM(tmp2,tmp);

dst = meanMask + tmp2;

imshow( "D方法" ,dst);

dst = meanMask + C * tmp;

imshow( "C方法" ,dst);

return dst;

}

void main()

{

Mat src = imread( "plant.bmp" , 0 );

imshow( "src" ,src);

ACE(src);

waitKey();

}

[blogs 算法原理 ]局部标准差实现对比度增强

三、小结

从结果上来看，ACE算法对于特定情况下的图片细节增强是显著的，但是并不是适用于所有的情况，并且其参数需要手工进行调整。了解它的特性，就能够解决一系列的问题，有效地增强现实。

来自为知笔记(Wiz)

正文到此结束

所属分类：编程技术

本文标签： src js 自适应 ip 参数 key 基本原则代码 http UI ask cat core
版权声明： 本文为互联网转载文章，出处已在文章中说明(部分除外)。如果侵权，请联系本站长删除，谢谢。
本文海报： 生成海报一生成海报二

其他链接

关于本站

本站定位：个人技术类博客

本站作用：写博客、记日志、闲聊扯淡鼓捣技术。

问题交流

[blogs 算法原理 ]局部标准差实现对比度增强

基于“局部标准差”的图像增强（原理、算法、代码）

热门推荐

相关文章

说给你听

本文目录

随机标签

书籍教程

近期评论

网站信息

其他链接

关于本站

问题交流