基于查找表的灰度拉伸

来源：互联网发布：dijkstra算法有向图编辑：程序博客网时间：2024/06/11 04:24

下面要写一个书上的例子，就是利用查找表来完成灰度图像的灰度拉伸。

在写程序中，我们总希望提升运算的速度，特别是在实时检测中，程序运算时间的长短决定着算法到底能不能用。查找表是把事先计算好的数据存入数组放在内存中，需要计算时只需要从内存中提取数据而不用每次都重复复杂的运算。简而言之，就是利用内存空间来换取运算的时间。

灰度拉伸又称为对比度拉伸，是把图像中某段灰度图像拉伸到另一段灰度下，从而改善图像的显示状况。

代码如下：

#include "stdafx.h"#ifndef HISTOGRAM_H_#define HISTOGRAM_H_#include<opencv2/core/core.hpp>#include<opencv2/highgui/highgui.hpp>#include<opencv2/imgproc/imgproc.hpp>#include <opencv2/calib3d/calib3d.hpp>#include<iostream>#include <vector> using namespace std; using namespace cv;   class Histogram1D { private: int histSize[1];//项的数目 float hranges[2];//像素的最大值以及最小值 const float *ranges[1]; int channels[1];//仅用到一个通道 public: Histogram1D(); cv::MatND getHistogram(const cv::Mat &image); cv::Mat getHistogramImage(const cv::Mat &image); cv::Mat applyLookUp(const cv::Mat &image,const cv::Mat &lookup); cv::Mat stretch(const cv::Mat &image,int minValue=0); };#endif /* HISTOGRAM_H_ *///#include "Histogram1D.h"Histogram1D::Histogram1D()//构造函数 直方图的参数 { histSize[0]=256; hranges[0]=0.0; hranges[1]=255.0; ranges[0]=hranges; channels[0]=0; };cv::MatND Histogram1D::getHistogram(const cv::Mat &image) { cv::MatND hist; // cv::calcHist(&image,1,channels,cv::Mat(),hist,1,histSize,ranges);//计算1D直方图 return hist; };//画出直方图cv::Mat Histogram1D::getHistogramImage(const cv::Mat &image) { cv::MatND hist=getHistogram(image); double maxVal=0; double minVal=0; cv::minMaxLoc(hist,&minVal,&maxVal,0,0); cv::Mat histImg(histSize[0],histSize[0],CV_8U,cv::Scalar(255)); int hpt=static_cast<int>(0.9*histSize[0]); for(int h=0;h<histSize[0];h++) { float binVal=hist.at<float>(h); int intensity=static_cast<int>(binVal*hpt/maxVal); cv::line(histImg,cv::Point(h,histSize[0]),cv::Point(h,histSize[0]-intensity),cv::Scalar::all(0)); } return histImg; };//应用查找表cv::Mat Histogram1D::applyLookUp(const cv::Mat &image,const cv::Mat &lookup){cv::Mat result;cv::LUT(image,lookup,result);//输入图像  一维数组  输出图像return result;}cv::Mat Histogram1D::stretch(const cv::Mat &image,int minValue){cv::MatND hist=getHistogram(image);int imin=0;for(;imin<histSize[0];imin++){std::cout<<hist.at<float>(imin)<<std::endl;if(hist.at<float>(imin)>minValue)break;}int imax=histSize[0]-1;for(;imax>=0;imax--){if(hist.at<float>(imax)>minValue)break;}int dim(256);cv::Mat lookup(1,&dim,CV_8U);for(int i=0;i<256;i++){if(i<imin)lookup.at<uchar>(i)=0;else if(i>imax)lookup.at<uchar>(i)=255;else lookup.at<uchar>(i)=static_cast<uchar>(255.0*(i-imin)/(imax-imin)+0.5);}cv::Mat result;result=applyLookUp(image,lookup);return result;}//#include"Histogram1D.h"  int main() { cv::Mat image=cv::imread("d:\\lena.jpg",0);//读取的就是灰度图像 if( !image.data ) exit(0); if(image.channels()!=1) { cvtColor(image,image,CV_BGR2GRAY); } //namedWindow("image",0); //imshow("image",image); //waitKey(0); Histogram1D h; cv::Mat streteched=h.stretch(image,100);//直方图中像素个数小于100的给予忽略 cv::namedWindow("Histogram"); cv::imshow("Histogram",h.getHistogramImage(streteched)); cv::Mat thresholded; cv::threshold(streteched,thresholded,100,255,cv::THRESH_BINARY); cv::namedWindow("Binary Image"); cv::imshow("Binary Image",thresholded); cv::namedWindow("Streteched image"); cv::imshow("Streteched image",streteched); waitKey(0); return 0; }

输出结果：把灰度小于最小灰度（像素个数大于100）的置为0，高于最高灰度（像素个数大于100）的置为255，中间的像素为

255.0*（i-imin)/((imax-imin)+0.5)

0 0