深度学习对比度增强 对比度增强方法

本章实现两种对比度增加方法

1. 线性方法：x = αx + β

α变量控制对比度，β变量控制亮度

例如原始图片像素范围为[1, 10]；当α=2时，像素范围变为[2,20]，像素值的分布范围明显增大，对比度变强。

2. 非线性方法：x = (x / 255)^gamma * 255

当gamma<1时，增强图像的整体亮度，会对低亮度的像素有明显的增强效果；

当gamma>1时，降低图像的整体亮度，会对高亮度的像素有明显的降低效果；

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

using std::cin;
using std::cout;
using std::endl;
using namespace cv;


int main(int argc, char* argv[])
{
    Mat image = imread("lena.jpg");
    Mat new_image = Mat::zeros(image.size(), image.type());
    
    // linear method
    double alpha = 2.2; // contrast control
    int beta = 50; // brightness control

    for(int y=0; y<image.rows; y++){
        for(int x=0; x<image.cols; x++){
            for(int c=0; c<image.channels(); c++){
                new_image.at<Vec3b>(y,x)[c] = saturate_cast<uchar>(alpha*image.at<Vec3b>(y,x)[c] + beta);
            }
        }
    }
    imshow("original image", image);
    imshow("new image", new_image);
    
    // non linear method
    double gamma=0.4;
    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 = image.clone();
    LUT(image, lookUpTable, res);

    imshow("gamma correction", res);

    waitKey();
    return 0;
}

参考链接：

https://docs.opencv.org/3.4/d3/dc1/tutorial_basic_linear_transform.html