目標(biāo)

在本教程中，將學(xué)習(xí)如何：

• 訪問(wèn)像素值

• 用零初始化矩陣

• 了解cv :: saturate_cast是什么

• 獲取關(guān)于像素變換的一些很酷的信息

• 在實(shí)際的例子中提高圖像的亮度

理論

下面的解釋屬于Richard Szeliski 的“ 《計(jì)算機(jī)視覺(jué)：算法與應(yīng)用》 ”一書(shū)

圖像處理

• 一般的圖像處理算子是采用一個(gè)或多個(gè)輸入圖像并產(chǎn)生輸出圖像的函數(shù)。

• 圖像變換可以看作：

1. 點(diǎn)運(yùn)算（像素變換）

2. 鄰域（區(qū)域）運(yùn)算

像素變換

• 在這種圖像處理變換中，每個(gè)輸出像素的值只取決于相應(yīng)的輸入像素值（可能是一些全局采集的信息或參數(shù)）。

• 這些操作的示例包括亮度和對(duì)比度調(diào)整以及顏色校正和變換。

亮度和對(duì)比度調(diào)整

• 兩個(gè)常用的點(diǎn)處理過(guò)程是乘法和加法：

• 參數(shù)α > 0和β通常被稱(chēng)為增益和偏置參數(shù); 有時(shí)這些參數(shù)據(jù)分別控制對(duì)比度和亮度。
• 你可以想到f（x ）作為源圖像像素和g（x ）作為輸出圖像像素。然后，我們可以更方便地將表達(dá)式寫(xiě)成：

i 和 j 表示像素位于第i行和第j列。

代碼實(shí)現(xiàn)

#include "opencv2/imgcodecs.hpp"
#include "opencv2/highgui.hpp"
#include <iostream>

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
    double alpha = 1.0; /*< Simple contrast control */
    int beta = 0;       /*< Simple brightness control */

    String imageName("lena.bmp"); // by default
    
    if (argc > 1)
    {
        imageName = argv[1];
    }

    Mat image = imread(imageName);
    Mat new_image = Mat::zeros(image.size(), image.type());

    cout << " Basic Linear Transforms " << endl;
    cout << "-------------------------" << endl;
    cout << "* Enter the alpha value [1.0-3.0]: "; cin >> alpha;
    cout << "* Enter the beta value [0-100]: ";    cin >> beta;

    for (int y = 0; y < image.rows; y++) {
        for (int x = 0; x < image.cols; x++) {
            for (int c = 0; c < 3; c++) {
                new_image.at<Vec3b>(y, x)[c] =
                    saturate_cast<uchar>(alpha*(image.at<Vec3b>(y, x)[c]) + beta);
            }
        }
    }
    namedWindow("Original Image", WINDOW_AUTOSIZE);
    namedWindow("New Image", WINDOW_AUTOSIZE);
    imshow("Original Image", image);
    imshow("New Image", new_image);
    waitKey();
    return 0;
}

解釋

• 要訪問(wèn)圖像中的每個(gè)像素，使用這種語(yǔ)法：image.at <Vec3b>（y，x）[c]其中y是行，x是列，c是R，G或B（0,1或2）。
• 由于操作α·p（i，j）+β可以給出值超出范圍或不是整數(shù)（如果α是float），我們使用cv :: saturate_cast來(lái)確保這些值是有效的。
• 如果不使用for循環(huán)訪問(wèn)每個(gè)像素，我們可以簡(jiǎn)單地使用這個(gè)命令：

image.convertTo（new_image，-1，alpha，beta）;

其中cv :: Mat :: convertTo將有效地執(zhí)行* new_image = a * image + beta *。
但是，我想告訴你如何訪問(wèn)每個(gè)像素。在任何情況下，兩種方法都給出相同的結(jié)果，但是convertTo是更優(yōu)化的，并且工作得更快。

結(jié)果

image.png

聯(lián)系實(shí)際

在本段中，將通過(guò)調(diào)整圖像的亮度和對(duì)比度來(lái)實(shí)踐我們所學(xué)到的來(lái)校正曝光不足的圖像。我們還將看到另一種技術(shù)來(lái)校正稱(chēng)為伽瑪校正圖像亮度。

亮度和對(duì)比度調(diào)整

增加（/減少）β值將為每個(gè)像素添加（/減少）常量值。像素值超出[0; 255]范圍將飽和（即像素值高于0-255）將被鉗位到0-255中。

淺灰色，原始圖像的直方圖；深灰色，在Gimp亮度= 80時(shí)

直方圖表示每個(gè)顏色級(jí)別具有該顏色級(jí)別的像素?cái)?shù)。黑暗的圖像將具有許多具有低顏色值的像素，因此直方圖將在其左部分呈現(xiàn)峰值。當(dāng)添加恒定偏差時(shí)，直方圖向右移動(dòng)，因?yàn)槲覀兿蛩邢袼靥砑恿艘粋€(gè)恒定的偏置。

該α參數(shù)將修改水平如何傳播。如果α < 1，顏色級(jí)別將被壓縮，結(jié)果將是對(duì)比度較小的圖像。

淺灰色，原始圖像的直方圖；在Gimp中對(duì)比度<0時(shí)，呈深灰色

請(qǐng)注意，這些直方圖是使用Gimp軟件中的Brightness-Contrast工具獲得的。亮度工具應(yīng)與β相同偏差參數(shù)，但對(duì)比度工具似乎不同于α 輸出范圍似乎以Gimp為中心的增益（可以注意到先前的直方圖）。

可以發(fā)生的是修改β偏差將提高亮度，但是同時(shí)，隨著對(duì)比度的降低，圖像會(huì)出現(xiàn)輕微的面紗。該α 增益可以用來(lái)減少這種影響，但由于飽和度，我們將在原來(lái)的明亮區(qū)域中丟失一些細(xì)節(jié)。

伽瑪校正

伽馬校正可用于通過(guò)使用輸入值和映射的輸出值之間的非線性變換來(lái)校正圖像的亮度：

由于該關(guān)系是非線性的，因此對(duì)于所有像素的效果將不同，并且將取決于它們的原始值。

繪制不同的伽瑪值

當(dāng)γ< 1，原始的黑暗區(qū)域會(huì)更亮，直方圖將向右移動(dòng)，而與γ相反> 1。

糾正曝光不足的圖像

以下圖像已更正：α = 1.3，β= 40

總體亮度得到改善，但您可以注意到，由于所使用的實(shí)現(xiàn)的數(shù)值飽和度（在攝影中
突出顯示剪切），云層現(xiàn)在已經(jīng)飽和了。
以下圖像已被更正：γ= 0.4。

伽馬校正應(yīng)傾向于增加較少的飽和效應(yīng)，因?yàn)橛成涫欠蔷€性的，并且沒(méi)有像以前的方法那樣的數(shù)值飽和。

左：直方圖alpha，β校正; 中心：原始圖像的直方圖; 右：伽馬校正后的直方圖

上圖比較了三個(gè)圖像的直方圖（三個(gè)直方圖之間的y范圍不一樣）?？梢宰⒁獾?，大多數(shù)像素值都在原始圖像的直方圖的較低部分。經(jīng)過(guò)α，β校正，由于飽和度以及右側(cè)偏移，我們可以在255觀察到一個(gè)高峰。在伽馬校正之后，直方圖向右移動(dòng)，但暗區(qū)域中的像素比明亮區(qū)域中的像素更大偏移（參見(jiàn)伽馬曲線圖）。

伽馬校正代碼：

Mat LookUpTable（1，256，CV_8U）;
uchar * p = lookUpTable.ptr（）;
for（int i = 0; i <256; ++i）
    p[i] = saturate_cast <uchar>（pow（i / 255.0，gamma_）* 255.0）;
Mat res = img.clone（）;
LUT（img，lookUpTable，res）;

查詢(xún)表用于提高計(jì)算性能，因?yàn)橹恍枰?jì)算256個(gè)值。

額外的資源

圖形渲染中的伽瑪校正
伽瑪校正和顯示在CRT顯示器上的圖像
數(shù)字曝光技術(shù)