常用图像增强算法原理及 OpenCV C++ 实现

一、引言

图像增强是数字图像处理中的一个重要分支，其目的是改善图像的视觉效果，突出图像中的重要信息，或者将图像转换为更适合人或机器分析处理的形式。在实际应用中，图像增强技术广泛应用于医学影像、遥感图像、安防监控等领域。本文将详细介绍常用的图像增强算法原理，并给出基于 OpenCV C++ 库的实现代码。

二、图像增强算法分类

图像增强算法可以分为空间域增强和频域增强两大类。空间域增强是直接对图像的像素值进行操作，而频域增强则是先将图像转换到频域，对频域系数进行处理后再转换回空间域。

2.1 空间域增强算法

2.1.1 灰度变换

灰度变换是最基本的空间域增强方法，它通过对图像的每个像素的灰度值进行某种变换来改善图像的对比度。常见的灰度变换包括线性变换、对数变换、幂律变换等。

2.1.1.1 线性变换

线性变换是最简单的灰度变换方法，其基本思想是将图像的灰度值进行线性拉伸或压缩，以增强图像的对比度。线性变换的公式为：

#include <opencv2/opencv.hpp>
#include <iostream>

void linearTransformation(cv::Mat& image, double a, double b) {
    cv::Mat result = cv::Mat::zeros(image.size(), image.type());
    for (int i = 0; i < image.rows; i++) {
        for (int j = 0; j < image.cols; j++) {
            result.at<uchar>(i, j) = cv::saturate_cast<uchar>(a * image.at<uchar>(i, j) + b);
        }
    }
    cv::imshow("Original Image", image);
    cv::imshow("Linear Transformed Image", result);
    cv::waitKey(0);
}

int main() {
    cv::Mat image = cv::imread("test.jpg", cv::IMREAD_GRAYSCALE);
    if (image.empty()) {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }
    double a = 2.0;  // 斜率
    double b = 0;    // 截距
    linearTransformation(image, a, b);
    return 0;
}

在上述代码中，linearTransformation 函数实现了线性变换。通过遍历图像的每个像素，将其灰度值乘以斜率 a 并加上截距 b，然后使用 cv::saturate_cast<uchar> 函数确保结果在 [0, 255] 范围内。

2.1.1.2 对数变换

对数变换可以将图像的低灰度值部分进行拉伸，高灰度值部分进行压缩，从而增强图像的暗部细节。对数变换的公式为：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cmath>

void logTransformation(cv::Mat& image) {
    cv::Mat result = cv::Mat::zeros(image.size(), image.type());
    double c = 255 / std::log(1 + 255);
    for (int i = 0; i < image.rows; i++) {
        for (int j = 0; j < image.cols; j++) {
            result.at<uchar>(i, j) = cv::saturate_cast<uchar>(c * std::log(1 + image.at<uchar>(i, j)));
        }
    }
    cv::imshow("Original Image", image);
    cv::imshow("Log Transformed Image", result);
    cv::waitKey(0);
}

int main() {
    cv::Mat image = cv::imread("test.jpg", cv::IMREAD_GRAYSCALE);
    if (image.empty()) {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }
    logTransformation(image);
    return 0;
}

在上述代码中，logTransformation 函数实现了对数变换。首先计算常数 c，然后遍历图像的每个像素，对其灰度值进行对数变换，并将结果乘以 c。

2.1.1.3 幂律变换

幂律变换也称为伽马变换，它可以通过调整伽马值来增强或减弱图像的对比度。幂律变换的公式为：

#include <opencv2/opencv.hpp>
#include <iostream>
#include <cmath>

void powerLawTransformation(cv::Mat& image, double gamma) {
    cv::Mat result = cv::Mat::zeros(image.size(), image.type());
    double c = 255 / std::pow(255, gamma);
    for (int i = 0; i < image.rows; i++) {
        for (int j = 0; j < image.cols; j++) {
            result.at<uchar>(i, j) = cv::saturate_cast<uchar>(c * std::pow(image.at<uchar>(i, j), gamma));
        }
    }
    cv::imshow("Original Image", image);
    cv::imshow("Power Law Transformed Image", result);
    cv::waitKey(0);
}

int main() {
    cv::Mat image = cv::imread("test.jpg", cv::IMREAD_GRAYSCALE);
    if (image.empty()) {
        std::cout << "Could not open or find the image" << std::endl;
        r