OpenCV图像增强算法实现（直方图均衡化、拉普拉斯、Log、Gamma）

最新推荐文章于 2024-07-01 14:47:27 发布

weixin_30411239

最新推荐文章于 2024-07-01 14:47:27 发布

阅读量8k

点赞数 17

文章标签：人工智能

原文链接：http://www.cnblogs.com/mtcnn/p/9411895.html

版权

本文详细介绍了四种基于OpenCV的图像增强技术：直方图均衡化、拉普拉斯算子、对数Log变换和伽马变换。对数变换能扩展图像低灰度部分，压缩高灰度部分，而伽马变换通过调整γ值可以增强低灰度或高灰度细节，用于图像校正和对比度提升。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 基于直方图均衡化的图像增强

直方图均衡化是通过调整图像的灰阶分布，使得在0~255灰阶上的分布更加均衡，提高了图像的对比度，达到改善图像主观视觉效果的目的。对比度较低的图像适合使用直方图均衡化方法来增强图像细节。

彩色图像的直方图均衡化实现：

#include <opencv2/highgui/highgui.hpp>    
#include <opencv2/imgproc/imgproc.hpp>
#include <iostream>

using namespace cv;

int main(int argc, char *argv[])
{
	Mat image = imread("Test.jpg", 1);
	if (image.empty())
	{
		std::cout << "打开图片失败,请检查" << std::endl;
		return -1;
	}
	imshow("原图像", image);
	Mat imageRGB[3];
	split(image, imageRGB);
	for (int i = 0; i < 3; i++)
	{
		equalizeHist(imageRGB[i], imageRGB[i]);
	}
	merge(imageRGB, 3, image);
	imshow("直方图均衡化图像增强效果", image);
	waitKey();
	return 0;
}

直方图均衡化增强前原图像：