前言

對于光照不均勻的圖像,用通常的圖像分割方法不能取得滿意的效果。為了解決這個問題，論文《一種基于亮度均衡的圖像閾值分割技術》提出了一種實用而簡便的圖像分割方法。該方法針對圖像中不同亮度區域進行亮度補償,使得整個圖像亮度背景趨于一致后,再進行常規的閾值分割。實驗結果表明，用該方法能取得良好的分割效果。關于常規的閾值分割不是我這篇推文關注的，我這里只實現前面光照補償的部分。算法的原理可以仔細看論文。論文原文見附錄。

算法步驟

• 如果是RGB圖需要轉化成灰度圖。
• 求取原始圖src的平均灰度，并記錄rows和cols。
• 按照一定大小，分為個方塊，求出每塊的平均值，得到子塊的亮度矩陣。
• 用矩陣的每個元素減去原圖的平均灰度，得到子塊的亮度差值矩陣。
• 用雙立方插值法，將矩陣?resize成和原圖一樣大小的亮度分布矩陣。
• 得到矯正后的圖像：。

代碼實現

Mat speed_rgb2gray(Mat src) {
Mat dst(src.rows, src.cols, CV_8UC1);
#pragma omp parallel for num_threads(12)
for (int i = 0; i < src.rows; i++) {
for (int j = 0; j < src.cols; j++) {
dst.at(i, j) = ((src.at(i, j)[0] << 18) + (src.at(i, j)[0] << 15) + (src.at(i, j)[0] << 14) +
(src.at(i, j)[0] << 11) + (src.at(i, j)[0] << 7) + (src.at(i, j)[0] << 7) + (src.at(i, j)[0] << 5) +
(src.at(i, j)[0] << 4) + (src.at(i, j)[0] << 2) +
(src.at(i, j)[1] << 19) + (src.at(i, j)[1] << 16) + (src.at(i, j)[1] << 14) + (src.at(i, j)[1] << 13) +
(src.at(i, j)[1] << 10) + (src.at(i, j)[1] << 8) + (src.at(i, j)[1] << 4) + (src.at(i, j)[1] << 3) + (src.at(i, j)[1] << 1) +
(src.at(i, j)[2] << 16) + (src.at(i, j)[2] << 15) + (src.at(i, j)[2] << 14) + (src.at(i, j)[2] << 12) +
(src.at(i, j)[2] << 9) + (src.at(i, j)[2] << 7) + (src.at(i, j)[2] << 6) + (src.at(i, j)[2] << 5) + (src.at(i, j)[2] << 4) + (src.at(i, j)[2] << 1) >> 20);
}
}
return dst;
}
Mat unevenLightCompensate(Mat src, int block_Size) {
int row = src.rows;
int col = src.cols;
Mat gray(row, col, CV_8UC1);
if (src.channels() == 3) {
gray = speed_rgb2gray(src);
}
else {
gray = src;
}
float average = mean(gray)[0];
int new_row = ceil(1.0 * row / block_Size);
int new_col = ceil(1.0 * col / block_Size);
Mat new_img(new_row, new_col, CV_32FC1);
for (int i = 0; i < new_row; i++) {
for (int j = 0; j < new_col; j++) {
int rowx = i * block_Size;
int rowy = (i + 1) * block_Size;
int colx = j * block_Size;
int coly = (j + 1) * block_Size;
if (rowy > row) rowy = row;
if (coly > col) coly = col;
Mat ROI = src(Range(rowx, rowy), Range(colx, coly));
float block_average = mean(ROI)[0];
new_img.at(i, j) = block_average;
}
}
new_img = new_img - average;
Mat new_img2;
resize(new_img, new_img2, Size(row, col), (0, 0), (0, 0), INTER_CUBIC);
Mat new_src;
gray.convertTo(new_src, CV_32FC1);
Mat dst = new_src - new_img2;
dst.convertTo(dst, CV_8UC1);
return dst;
}

效果

可以看到經過這個算法處理之后，亮度確實被均衡了一些，從視覺效果上來看還是有作用的。

附錄

• 論文原文：https://wenku.baidu.com/view/f74cc087e53a580216fcfe52.html?from=search

同期文章

• OpenCV圖像處理專欄一 | 盤點常見顏色空間互轉
• OpenCV圖像處理專欄二 |《Local Color Correction 》論文閱讀及C++復現
• OpenCV圖像處理專欄三 | 灰度世界算法原理和實現
• OpenCV圖像處理專欄四 | 自動白平衡之完美反射算法原理及C++實現
• OpenCV圖像處理專欄五 | ACE算法論文解讀及實現
• OpenCV圖像處理專欄六 | 來自何凱明博士的暗通道去霧算法(CVPR 2009最佳論文)
• OpenCV圖像處理專欄七 | 直方圖均衡化算法及代碼實現
• OpenCV圖像處理專欄八 | 《Contrast image correction method》 論文閱讀及代碼實現
• OpenCV圖像處理專欄九 | 基于直方圖的快速中值濾波算法
• OpenCV圖像處理專欄十 | 利用中值濾波進行去霧
• OpenCV圖像處理專欄十一 | IEEE Xplore 2015的圖像白平衡處理之動態閾值法
• OpenCV圖像處理專欄十二 |《基于二維伽馬函數的光照不均勻圖像自適應校正算法》
• OpenCV圖像處理專欄十三 | 利用多尺度融合提升圖像細節
• OpenCV圖像處理專欄十四 | 基于Retinex成像原理的自動色彩均衡算法(ACE)

---

歡迎關注GiantPandaCV, 在這里你將看到獨家的深度學習分享，堅持原創，每天分享我們學習到的新鮮知識。( ? ?ω?? )?

有對文章相關的問題，或者想要加入交流群，歡迎添加BBuf微信：

在這里插入圖片描述

總結

以上是生活随笔為你收集整理的c++ opencv编程实现暗通道图像去雾算法_OpenCV图像处理专栏十五 |一种基于亮度均衡的图像阈值分割技术...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。