其他原创博客http://blog.youkuaiyun.com/baolinq
主要看第三部分就可以,前面是一些其他常见 的基本图像方法。基于二维伽马函数的光照不均匀图像自适应校正算法
在视频和图像的采集过程中,由于受到地物环境复杂、物品之间相互遮挡以及环境光照条件多变等因素的影响,经常会导致场景的光照不均匀,主要表现为图像中亮的区域光线足够或者过强,而暗的区域照度不足,导致一些重要的细节信息无法凸显甚至被掩盖掉,严重影响了图像的视觉效果和应用价值,因此开展光照不均匀图像的校正研究,消除不均匀光照对图像的影响,已经成为当前图像处理领域的一个研究热点。
最近在做目标检测的一些东西,有些原始图像的光照很不均匀,影响检测准确度。光照不均匀的图像作目标检测难度其实还真的蛮大的,我在想着能不能从源图像入手,改善或者说提高图像的质量,从而提高检测精度。但是这样说好像有点问题的,对这种情况,是不是应该在深度学习的样本数据中增加光照不均匀的图像,从而能在测试图像中成功检测。先不管了,本文只是谈谈如何去光照不均匀,从而改善图像质量。
本文主要针对类似上面的类型图像,光照不均匀,有的地方亮度较大有的则很暗。
尝试过很多方法:
1.直方图均衡化
直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。思路很简单,先统计原图的灰度级分布情况,得到累积分布函数,由该函数可以求出原图和结果图的映射关系f,对每个像素作用此映射即可。
这样可以可以提高图像的对比度。下面是实验结果截图: