C++ opencv图像处理实现灰度变换示例
作者：浅念念52
这篇文章主要为大家介绍了C++ opencv图像处理灰度变换的实现示例，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
灰度变换概念
在图像预处理中，图像的灰度变换是图像增强的重要手段，灰度变换可以使图像对比度扩展，图像清晰，特征明显，灰度变换主要利用点运算来修正像素灰度，由输入像素点的灰度值确定相应输出点的灰度值，是一种基于图像变换的操作。
灰度变换的作用
1.改善图像是质量，显示更多的细节，提高图像的对比度
2.有选择的突出图像感兴趣的特征或者抑制图像中不需要的特征
3.可以有效的改变图像的直方图的分布，使像素的分布更加均匀
灰度变换的方法
1.线性灰度变换
2.非线性灰度变换（对数变换，幂律变换（伽马变换））
灰度化
灰度的概念
在数字图像中，像素是基本的表示单位，各个像素的亮安程度用灰度值来标识，只含亮度信息，不含色彩信息的图像称为灰度图像，对于单色图像，它的每个像素的灰度值用【0,255】区间的整数表示，即图像分为256个灰度等级，对于彩色图像，他的每个像素由R,G,B三个单色调配而成，如果每个像素的R,G,B完全相同，也就是R=G=B=D，该图像就是灰度图像，其中D被称为各个像素的灰度值。
对彩色图进行灰度化
1.加权平均值法
D=0.299R+0.587G+0.114*B
代码如下：
#include<iostream>
#include<opencv.hpp>
using namespace std;
using namespace cv;
int main()
{
Mat img, img2;
img = imread("猫1.jpg");
imshow("原图", 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("经验公式", img2);
waitKey(0);
}
效果如下：
2.取最大值
代码如下：
int main()
{
Mat img, img2;
img = imread("猫1.jpg");
imshow("原图", 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
代码如下：
int main()
{
Mat img, img2;
img = imread("猫1.jpg");
imshow("原图", 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);
}
灰度的线性变换
图像的线性变换是图像处理的基本运算，通常应用在调整图像的画面质量方面，如图像对比度，亮度及反转等操作。灰度的线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。
1.线性变换
y=kx+b;
代码如下：
int main()
{
Mat img1, img2;
img1 = imread("猫1.jpg", 1);
imshow("原图", 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("线性", img2);
waitKey(0);
}
效果如下：
2.分段线性变换
代码如下：
int main()
{
Mat img1, img2;
img1 = imread("猫1.jpg", 0);
imshow("原图", 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("分段线性", img2);
waitKey(0);
}
效果如下：
灰度的非线性变换
对数变换和分对数变换都属于非线性变换
1.对数变换
对数变换能增强图像暗部的细节
代码如下：
int main()
{
double c = 1.2;
Mat img1, img2, img3;
img1 = imread("猫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);//归一化到0-255 NORM_MINMAX 线性归一化
convertScaleAbs(img3, img3);//转换成8bit通道显示
imshow("对数变换", img3);
waitKey(0);
}
效果如下：
2.幂律变换
幂律变换也称伽马变换或指数变换，主要用于图像的校正，对漂白的图片或过黑的图片进行修正，增强对比度
代码如下：
int main()
{
Mat img1, img2;
img1 = imread("猫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("幂律变换", img2);
waitKey(0);
}
效果如下：
总结
以上就是本文的全部内容，本文简单介绍了灰度化以及灰度变换的一些基础知识，更多关于C++ opencv灰度变换的资料请关注脚本之家其它相关文章！