opencv----彩色图像对比度增强

图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。

直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。

直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;

直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。

1.直方图拉伸

 就是扩大将图像灰度的域值的一个过程，但是经常是基于灰度图像进行处理，以前在MATlab上对比度增强调用直方图函数就几行代码，但都是灰度图像上处理，需要在彩色图像进行处理，看别人的思想是从RGB-YUV-RGB的过程，在YUV空间增强再转回来，我跟着原理写代码，出了很多问题。详见http://blog.csdn.net/abcjennifer/article/details/7428737

/*
*@Function: Color image contrast enhancement
*@Date: 2012-4-5
*@Author: 张睿卿
*/

int ImageStretchByHistogram(IplImage *src1,IplImage *dst1)
/*************************************************
Function:      通过直方图变换进行图像增强，将图像灰度的域值拉伸到0-255
src1:               单通道灰度图像                  
dst1:              同样大小的单通道灰度图像 
*************************************************/
{
    assert(src1->width==dst1->width);
    double p[256],p1[256],num[256];

    memset(p,0,sizeof(p));
    memset(p1,0,sizeof(p1));
    memset(num,0,sizeof(num));
    int height=src1->height;
    int width=src1->width;
    long wMulh = height * width;

    //statistics
    for(int x=0;x<src1->width;x++)
    {
        for(int y=0;y<src1-> height;y++){
            uchar v=((uchar*)(src1->imageData + src1->widthStep*y))[x];
            num[v]++;
        }
    }
    //calculate probability
    for(int i=0;i<256;i++)
    {
        p[i]=num[i]/wMulh;
    }

    //p1[i]=sum(p[j]);    j<=i;
    for(int i=0;i<256;i++)
    {
        for(int k=0;k<=i;k++)
            p1[i]+=p[k];
    }

    // histogram transformation
    for(int x=0;x<src1->width;x++)
    {
        for(int y=0;y<src1-> height;y++){
            uchar v=((uchar*)(src1->imageData + src1->widthStep*y))[x];
            ((uchar*)(dst1->imageData + dst1->widthStep*y))[x]= p1[v]*255+0.5;            
        }
    }
    return 0;
}

void CCVMFCView::OnYcbcrY()
{
    IplImage* Y = cvCreateImage(cvGetSize(workImg),IPL_DEPTH_8U,1);
    IplImage* Cb= cvCreateImage(cvGetSize(workImg),IPL_DEPTH_8U,1);
    IplImage* Cr = cvCreateImage(cvGetSize(workImg),IPL_DEPTH_8U,1);
    IplImage* Compile_YCbCr= cvCreateImage(cvGetSize(workImg),IPL_DEPTH_8U,3);
    IplImage* dst1=cvCreateImage(cvGetSize(workImg),IPL_DEPTH_8U,3);

    int i;
    cvCvtColor(workImg,dst1,CV_BGR2YCrCb);
    cvSplit(dst1,Y,Cb,Cr,0);

     ImageStretchByHistogram(Y,dst1);
 
     for(int x=0;x<workImg->height;x++)
     {
         for(int y=0;y<workImg->width;y++)
         {
             CvMat* cur=cvCreateMat(3,1,CV_32F);
             cvmSet(cur,0,0,((uchar*)(dst1->imageData+x*dst1->widthStep))[y]);
             cvmSet(cur,1,0,((uchar*)(Cb->imageData+x*Cb->widthStep))[y]);
             cvmSet(cur,2,0,((uchar*)(Cr->imageData+x*Cr->widthStep))[y]);
 
             for(i=0;i<3;i++)
             {
                 double xx=cvmGet(cur,i,0);
                 ((uchar*)Compile_YCbCr->imageData+x*Compile_YCbCr->widthStep)[y*3+i]=xx;
             }
         }
     }
 
    cvCvtColor(Compile_YCbCr,workImg,CV_YCrCb2BGR);
     m_ImageType=3;
     Invalidate();
}

 其中int ImageStretchByHistogram(IplImage *src1,IplImage *dst1)  是可以运行的，实现了灰度图像增强；

void CCVMFCView::OnYcbcrY()  我处理不好，只好呼唤睿卿 本人了。附上一个基于opencv已经实现灰度图像增强的代码.http://blog.csdn.net/zhaiwenjuan/article/details/6596011

#include "stdafx.h" 

#include "cv.h"
#include "highgui.h"
#include 
#include 
int ImageStretchByHistogram(IplImage *src,IplImage *dst); 

int _tmain(int argc, _TCHAR* argv[])
{
    IplImage * pImg;    
    pImg=cvLoadImage("c:/lena.jpg",-1); 

//创建一个灰度图像
    IplImage* GrayImage = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
    IplImage* dstGrayImage = cvCreateImage(cvGetSize(pImg), IPL_DEPTH_8U, 1);
    cvCvtColor(pImg, GrayImage, CV_BGR2GRAY);
    ImageStretchByHistogram(GrayImage,dstGrayImage); 

  cvNamedWindow( "dstGrayImage", 1 ); //创建窗口
        cvNamedWindow( "GrayImage", 1 ); //创建窗口
        cvShowImage( "dstGrayImage", dstGrayImage ); //显示图像
        cvShowImage( "GrayImage", GrayImage ); //显示图像
        cvWaitKey(0); //等待按键 

  cvDestroyWindow( "dstGrayImage" );//销毁窗口
        cvDestroyWindow( "GrayImage" );//销毁窗口
        cvReleaseImage( &pImg ); //释放图像
        cvReleaseImage( &GrayImage ); //释放图像
        cvReleaseImage( &dstGrayImage ); //释放图像 

  return 0;
} 

int ImageStretchByHistogram(IplImage *src,IplImage *dst)
/*************************************************
  Function:        
  Description:     因为摄像头图像质量差，需要根据直方图进行图像增强，
                   将图像灰度的域值拉伸到0-255
  Calls:          
  Called By:      
  Input:           单通道灰度图像                  
  Output:          同样大小的单通道灰度图像 
  Return:          
  Others:           http://www.xiaozhou.net/ReadNews.asp?NewsID=771
  DATE:               2007-1-5
*************************************************/
{
    //p[]存放图像各个灰度级的出现概率；
    //p1[]存放各个灰度级之前的概率和，用于直方图变换；
    //num[]存放图象各个灰度级出现的次数; 

    assert(src->width==dst->width);
    float p[256],p1[256],num[256];
    //清空三个数组
    memset(p,0,sizeof(p));
    memset(p1,0,sizeof(p1));
    memset(num,0,sizeof(num)); 

    int height=src->height;
    int width=src->width;
    long wMulh = height * width; 

    //求存放图象各个灰度级出现的次数
    // to do use openmp
    for(int x=0;x    {
        for(int y=0;y        {
            uchar v=((uchar*)(src->imageData + src->widthStep*y))[x];
            num[v]++;
        }
    } 

    //求存放图像各个灰度级的出现概率
    for(int i=0;i<256;i++)
    {
        p[i]=num[i]/wMulh;
    } 

    //求存放各个灰度级之前的概率和
    for(int i=0;i<256;i++)
    {
        for(int k=0;k<=i;k++)
            p1[i]+=p[k];
    } 

    //直方图变换
    // to do use openmp
    for(int x=0;x    {
        for(int y=0;y        {
            uchar v=((uchar*)(src->imageData + src->widthStep*y))[x];
            ((uchar*)(dst->imageData + dst->widthStep*y))[x]= p1[v]*255+0.5;            
        }
    } 

    return 0; 

} 

2.既然直方图拉伸这条路走不通，只好试试，另一条，直方图均衡化了，还好我比较熟。

//图像增强- 彩色直方图均衡化
#include <cv.h>
#include <cxcore.h>
#include <highgui.h>
#include"opencv2/imgproc/imgproc.hpp"

using namespace std;
//彩色图像的直方图均衡化
IplImage* EqualizeHistColorImage(IplImage *pImage)
{
    IplImage *pEquaImage = cvCreateImage(cvGetSize(pImage), pImage->depth, 3);
    
    // 原图像分成各通道后再均衡化,最后合并即彩色图像的直方图均衡化
    const int MAX_CHANNEL = 4;
    IplImage *pImageChannel[MAX_CHANNEL] = {NULL};

    int i;
    for (i = 0; i < pImage->nChannels; i++)
        pImageChannel[i] = cvCreateImage(cvGetSize(pImage), pImage->depth, 1);

    cvSplit(pImage, pImageChannel[0], pImageChannel[1], pImageChannel[2], pImageChannel[3]);
    
    for (i = 0; i < pImage->nChannels; i++)
        cvEqualizeHist(pImageChannel[i], pImageChannel[i]);

    cvMerge(pImageChannel[0], pImageChannel[1], pImageChannel[2], pImageChannel[3], pEquaImage);

    for (i = 0; i < pImage->nChannels; i++)
        cvReleaseImage(&pImageChannel[i]);

    return pEquaImage;
}
int main( int argc, char** argv )
{    
    const char *pstrWindowsSrcTitle = "原图";
    const char *pstrWindowsHisEquaTitle = "直方图均衡化后"；

    // 从文件中加载原图
    IplImage *pSrcImage = cvLoadImage("lena.jpg", CV_LOAD_IMAGE_UNCHANGED);
    IplImage *pHisEquaImage = EqualizeHistColorImage(pSrcImage);
     
    cvNamedWindow(pstrWindowsSrcTitle, CV_WINDOW_AUTOSIZE);
    cvNamedWindow(pstrWindowsHisEquaTitle, CV_WINDOW_AUTOSIZE);
    cvShowImage(pstrWindowsSrcTitle, pSrcImage);
    cvShowImage(pstrWindowsHisEquaTitle, pHisEquaImage);


    cvWaitKey(0);

    cvDestroyWindow(pstrWindowsSrcTitle);
    cvDestroyWindow(pstrWindowsHisEquaTitle);
    cvReleaseImage(&pSrcImage);
    cvReleaseImage(&pHisEquaImage);
    return 0;
}