深入探究图像增强（C语言实现）

我们将从基础出发使用C语言进行图像处理与分析，重点讨论图像增强和平滑技术。图像增强技术旨在通过增加对比度、亮度和整体清晰度来改善图像的视觉质量。另一方面，图像平滑方法则用于减少噪声并减少图像中的突变，使图像更加均匀和视觉上吸引人。

使用C语言作为实现方式是因为只有当你手敲一遍这些代码，你才会对这些方法有更加深刻的理解

---

我们在前两次的笔记中已经实现了图像处理的基本操作

分别是

• 图像每一个像素灰度值的读入
• 图像灰度值直方图的显示

今天的目标实际上也很小，我们的目标就是实现图像增强

书上一共讲了两种办法，分别是

1. 灰度线性拉伸算法
2. 直方图均衡化

我们一个一个来尝试

灰度线性拉伸算法

我们先来看代码

void LinearStretchDemo(BYTE* pGryImg, int width, int height, double k, double b)
{
   
   
    BYTE* pCur, * pEnd;
    for(pCur = pGryImg,pEnd = pGryImg + width + height;pCur < pEnd;)
        //这个地方书上是这么写的，我在下面还是写成了标准写法
        {
   
   
            *(pCur++) = LUT[ * pCur];
        }
    return;
}

总体上来看还是比较简单，我们来试着写成C语言版本

void LinearStretchDemo(uint8_t* pGryImg, int width, int height, double k, double b) 
{
   
   
    uint8_t* pCur, * pEnd;
    for (pCur = pGryImg, pEnd = pGryImg + width * height; pCur < pEnd; pCur++) 
    {
   
   
        *pCur = LUT[*pCur];
    }
}

这个代码前面讲过好多了，这里就不再多讲了，有兴趣可以去看看C语言图像的读入那一篇笔记

但是这里面LUT是什么意思呢？

LUT 是 Look-Up Table 的缩写，中文意思是查找表或者映射表。在图像处理中，LUT 是一种非常常见的技机，用于对图像进行颜色或灰度值的映射和调整。

具体来说，LUT 是一个数组或者表格，其中存储了输入值到输出值的对应关系。在图像处理中，通常用 LUT 来实现颜色校正、对比度调整、灰度拉伸等操作。例如，在灰度拉伸中，LUT 存储了原始灰度值到拉伸后的灰度值之间的映射关系。

使用 LUT 的好处在于，它可以提高图像处理的效率，并且允许我们通过简单的表格查询来实现复杂的颜色或灰度值调整。同时，LUT 也可以在不同的图像处理算法中重复使用，提高了算法的复用性和可维护性。

总而言之，LUT 是图像处理中非常有用的工具，它通过预先计算和存储输入值到输出值的映射关系，帮助我们快速、高效地对图像进行颜色和灰度值的调整。

这里如果每个灰度值都有一个映射值，那么就不用进行重复大量的计算了，只需要计算255次即可

这么说不是很好理解，我们直接来看书上下一个算法

这里我直接写成C语言版本

void LinearStretchDemo(uint8_t* pGryImg, int width, int height, double k, double b)
{
   
   
    uint8_t* pCur, * pEnd;
    int LUT[256];    //因为只有[0,255]共256个灰度值
    
    //step1. 生成查找表
    for (int g = 0; g < 256; g++)
    {
   
   
        LUT[g] = max(0, min(255, k * g + b));
    }
    
    //step2. 进行变换
    for (pCur = pGryImg, pEnd = pGryImg + width * height; pCur < pEnd; pCur++)
        {
   
   
            *pCur = LUT[*pCur];
        }
    //step3. 结束
    return;
}

这段代码是一个实现灰度图像线性拉伸处理的函数 LinearStretchDemo。让我来逐步解释这段代码的具体实现：

1. uint8_t* pCur, * pEnd;：定义了两个指针变量，pCur 用于指向当前处理的像素值，pEnd 指向图像数据的末尾。
2. int LUT[256];：定义了一个大小为 256 的整型数组，用于存储灰度值的映射关系。
3. 生成查找表部分：
   • for (int g = 0; g < 256; g++)：遍历所有可能的灰度值（0 到 255）。
   • LUT[g] = max(0, min(255, k * g + b));：对于每个灰度值，根据线性拉伸的公式 k * g + b 计算新的灰度值，并确保其范围在 0 到 255 之间，以防止越界。
4. 进行变换部分：
   • for (pCur = pGryImg, pEnd = pGryImg + width * height; pCur < pEnd; pCur++)：遍历图像数据中的每个像素。
   • *pCur = LUT[*pCur];：使用查找表 LUT 将当前像素的灰度值映射为线性拉伸后的新灰度值。
5. 返回处理结果并结束函数。

我们来试一下

首先来讲一下传参

1. pGryImg：这是一个指向灰度图像数据的指针。灰度图像是一个二维数组，存储了图像中每个像素的灰度值。通过这个指针，函数能够访问图像的像素数据。
2. width：这是图像的宽度，表示图像中每行像素的数量。它告诉函数每行有多少像素数据。
3. height：这是图像的高度，表示图像中有多少行像素。它告诉函数图像有多少行数据。
4. k：这是一个 double 类型的参数，代表线性拉伸的斜率。它控制着拉伸的速率或程度。当 ( k ) 大于 1 时，图像的对比度增加；当 ( k ) 小于 1 时，对比度降低。
5. b：这也是一个 double 类型的参数，代表线性拉伸的偏移。它控制着拉伸后灰度值的起始位置。当 ( b ) 大于 0 时，图像的整体亮度增加；当 ( b ) 小于 0 时，整体亮度减小。

看效果

简单的处理以后效果其实还是不错的

我们用这两个函数看一下数值

这两个函数的讲解在这篇文章

图像处理与图像分析—图像统计特性的计算（纯C语言实现灰度值显示）-优快云博客

//统计图像灰度值
//pImg：灰度图像数据的指针。
//width：图像的宽度。
//height：图像的高度。
//* histogram：数组首元素地址，需要一个能储存256个变量的整型数组
void GetHistogram(uint8_t* pImg, int width, int height, int* histogram)
{
   
   
    uint8_t* pCur;
    uint8_t* pEnd = pImg + width * height;

    // 初始化直方图数组
    memset(histogram, 0, sizeof(int) * 256);

    // 直方图统计
    for (pCur = pImg; pCur < pEnd;)
    {
   
   
        histogram[*pCur]++;
        pCur++;
    }

    // 函数结束
    return;
}

//亮度和对比度
//储存histogram灰度直方图的指针
//接收亮度的变量地址
//接收对比度的变量地址
void GetBrightContrast(int* histogram, double* bright, double* contrast)
{
   
   
    int g;
    double sum, num; //书上说图像很亮时，int有可能会溢出，所以我这里直接用double
    double fsum;

    //step.1 求亮度
    for (sum = num = 0, g = 0; g < 256; g++)
    {
   
   
        sum += histogram[g] * g;
        num += histogram[g];
    }
    *bright = sum * 1.0 / num;

    //step.2 求对比度
    for (fsum = 0.0, g = 0; g < 256; g++)
    {
   
   
        fsum += histogram[g] * (g - *bright) * (g - *bright);
    }
    *contrast = sqrt(fsum / (num - 1)); //即Std Dev

    //step.3 结束
    return;
}

直方图的均衡化与规定化

其实很好理解，就是把集中在某一区域的灰度值均匀的平铺在整体区域

我们还是先来看书上的代码

void RmwHistogramEqualizeDemo(BYTE *pGryImg, int width, int height)
{
   
   
    // 定义变量
    BYTE *pCur, *pEnd = pGryImg + width * height; // 指针变量，指向当前像素和图像末尾
    int histogram[256], A[256], LUT[256], g; // 直方图数组、累积直方图数组、查找表和灰度级

    // step.1-------------求直方图--------------------------//
    memset(histogram, 0, sizeof(int) * 256); // 初始化直方图数组为0
    for (pCur = pGryImg; pCur < pEnd;)
        histogram[*(pCur++)]++; // 统计每个灰度级出现的频率

    // step.2-------------求A[g],N-------------------------//
    for (g = 1, A[0] = histogram[0]; g < 256; g++)
    {
   
   
        A[g] = A[g - 1] + histogram[g]; // 计算累积直方图数组
    }

    // step.3-------------求LUT[g]-------------------------//
    for (g = 0; g < 256; g++)
        LUT[g] = 255 * A[g] / (width * height); // 计算直方图均衡化后的灰度级

    // step.4-------------查表------------------------------//
    for (pCur = pGryImg; pCur < pEnd;)
        *(pCur++) = LUT[*pCur]