快捷導(dǎo)航

C++?opencv圖像處理實(shí)現(xiàn)灰度變換示例

更新時(shí)間：2022年05月12日 15:55:10 作者：淺念念52

這篇文章主要為大家介紹了C++?opencv圖像處理灰度變換的實(shí)現(xiàn)示例，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

灰度變換概念

在圖像預(yù)處理中，圖像的灰度變換是圖像增強(qiáng)的重要手段，灰度變換可以使圖像對(duì)比度擴(kuò)展，圖像清晰，特征明顯，灰度變換主要利用點(diǎn)運(yùn)算來(lái)修正像素灰度，由輸入像素點(diǎn)的灰度值確定相應(yīng)輸出點(diǎn)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(zhì)量，顯示更多的細(xì)節(jié)，提高圖像的對(duì)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(duì)數(shù)變換，冪律變換（伽馬變換））

灰度化

灰度的概念

在數(shù)字圖像中，像素是基本的表示單位，各個(gè)像素的亮安程度用灰度值來(lái)標(biāo)識(shí)，只含亮度信息，不含色彩信息的圖像稱為灰度圖像，對(duì)于單色圖像，它的每個(gè)像素的灰度值用【0,255】區(qū)間的整數(shù)表示，即圖像分為256個(gè)灰度等級(jí)，對(duì)于彩色圖像，他的每個(gè)像素由R,G,B三個(gè)單色調(diào)配而成，如果每個(gè)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(gè)像素的灰度值。

對(duì)彩色圖進(jìn)行灰度化

1.加權(quán)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(jīng)驗(yàn)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(yùn)算，通常應(yīng)用在調(diào)整圖像的畫(huà)面質(zhì)量方面，如圖像對(duì)比度，亮度及反轉(zhuǎn)等操作?；叶鹊木€性變換就是將圖像中所有點(diǎn)的灰度按照線性灰度變換函數(shù)進(jìn)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

請(qǐng)?zhí)砑訄D片描述

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(duì)數(shù)變換和分對(duì)數(shù)變換都屬于非線性變換

1.對(duì)數(shù)變換

對(duì)數(shù)變換能增強(qiáng)圖像暗部的細(xì)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(zhuǎn)換成8bit通道顯示
	imshow("對(duì)數(shù)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(shù)變換，主要用于圖像的校正，對(duì)漂白的圖片或過(guò)黑的圖片進(jìn)行修正，增強(qiáng)對(duì)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：