实现原理

1）读取识别图像的原图，并转灰度图，再归一化。

// 生成灰度图
Mat gray = Mat::zeros(input.size(), CV_32FC1);
Mat f = input.clone();
f.convertTo(f, CV_32FC3);
vector<Mat> pics;
split(f, pics);
gray = 0.299f*pics[2] + 0.587*pics[2] + 0.114*pics[0];
gray = gray / 255.f;

2）确定高光区。因为我们要识别高光，所以thresh通过gray*gray，得到的图像中原本亮的地方则为亮，取平均值当阈值，进行二值化得到掩膜mask。

// 确定高光区
Mat thresh = Mat::zeros(gray.size(), gray.type());
thresh = gray.mul(gray);
// 取平均值作为阈值
Scalar t = mean(thresh);
Mat mask = Mat::zeros(gray.size(), CV_8UC1);
mask.setTo(255, thresh >= t[0]);

3）对掩膜区边缘进行平滑过渡。假设light为50，那么midrate的掩膜区值为1.5，黑色区为1，过渡区为1~1.5；bright的掩膜区为0.125，黑色区为0，过渡区为0~0.125。

// 参数设置
int max = 4;
float bright = light / 100.0f / max;
float mid = 1.0f + max * bright;// 边缘平滑过渡
Mat midrate = Mat::zeros(input.size(), CV_32FC1);
Mat brightrate = Mat::zeros(input.size(), CV_32FC1);
for (int i = 0; i < input.rows; ++i)
{uchar *m = mask.ptr<uchar>(i);float *th = thresh.ptr<float>(i);float *mi = midrate.ptr<float>(i);float *br = brightrate.ptr<float>(i);for (int j = 0; j < input.cols; ++j){if (m[j] == 255){mi[j] = mid;br[j] = bright;}else {mi[j] = (mid - 1.0f) / t[0] * th[j] + 1.0f;br[j] = (1.0f / t[0] * th[j])*bright;}}
}

4）根据midrate和brightrate，进行高光区提亮。对非高光区而言，midrate都为1，brightrate都为0，即没有变化；对高光区而言，midrate都为1.5，brightrate都为0.125，所以色彩数值均有所增加，带来了提亮效果；对边缘地区，midrate和brightrate起到了很好的过渡作用。

// 高光提亮，获取结果图
Mat result = Mat::zeros(input.size(), input.type());
for (int i = 0; i < input.rows; ++i)
{float *mi = midrate.ptr<float>(i);float *br = brightrate.ptr<float>(i);uchar *in = input.ptr<uchar>(i);uchar *r = result.ptr<uchar>(i);for (int j = 0; j < input.cols; ++j){for (int k = 0; k < 3; ++k){float temp = pow(float(in[3 * j + k]) / 255.f, 1.0f / mi[j])*(1.0 / (1 - br[j]));if (temp > 1.0f)temp = 1.0f;if (temp < 0.0f)temp = 0.0f;uchar utemp = uchar(255*temp);r[3 * j + k] = utemp;}}
}

代码实现

function.h

#pragma once
#include <iostream>
#include <opencv2/highgui.hpp>
#include <opencv2/core.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;Mat HighLight(Mat input, int light);

function.cpp

#include "function.h"// 图像高光选取
Mat HighLight(Mat input, int light)
{// 生成灰度图Mat gray = Mat::zeros(input.size(), CV_32FC1);Mat f = input.clone();f.convertTo(f, CV_32FC3);vector<Mat> pics;split(f, pics);gray = 0.299f * pics[2] + 0.587 * pics[2] + 0.114 * pics[0];gray = gray / 255.f;// 确定高光区Mat thresh = Mat::zeros(gray.size(), gray.type());thresh = gray.mul(gray);// 取平均值作为阈值Scalar t = mean(thresh);Mat mask = Mat::zeros(gray.size(), CV_8UC1);mask.setTo(255, thresh >= t[0]);// 参数设置int max = 4;float bright = light / 100.0f / max;float mid = 1.0f + max * bright;// 边缘平滑过渡Mat midrate = Mat::zeros(input.size(), CV_32FC1);Mat brightrate = Mat::zeros(input.size(), CV_32FC1);for (int i = 0; i < input.rows; ++i){uchar* m = mask.ptr<uchar>(i);float* th = thresh.ptr<float>(i);float* mi = midrate.ptr<float>(i);float* br = brightrate.ptr<float>(i);for (int j = 0; j < input.cols; ++j){if (m[j] == 255){mi[j] = mid;br[j] = bright;}else {mi[j] = (mid - 1.0f) / t[0] * th[j] + 1.0f;br[j] = (1.0f / t[0] * th[j]) * bright;}}}// 高光提亮，获取结果图Mat result = Mat::zeros(input.size(), input.type());for (int i = 0; i < input.rows; ++i){float* mi = midrate.ptr<float>(i);float* br = brightrate.ptr<float>(i);uchar* in = input.ptr<uchar>(i);uchar* r = result.ptr<uchar>(i);for (int j = 0; j < input.cols; ++j){for (int k = 0; k < 3; ++k){float temp = pow(float(in[3 * j + k]) / 255.f, 1.0f / mi[j]) * (1.0 / (1 - br[j]));if (temp > 1.0f)temp = 1.0f;if (temp < 0.0f)temp = 0.0f;uchar utemp = uchar(255 * temp);r[3 * j + k] = utemp;}}}return result;
}

main.cpp

#include <iostream>
#include <opencv2/highgui.hpp>
#include <opencv2/core.hpp>
#include <opencv2/imgcodecs.hpp>
#include <opencv2/opencv.hpp>
#include "function.h"
using namespace cv;
using namespace std;int main()
{Mat scr = imread("F:\\picture\\江.jpg");Mat res = HighLight(scr, -50);imshow("原图", scr);imshow("处理后", res);waitKey(0);return 0;
}

结果

原图像

light为50

light为-50

如果以上内容对你有所帮助，不妨点赞关注一下，感谢观看！

OpenCV图像高光相关推荐

python打出由边框包围的_python opencv 图像边框(填充)添加及图像混合的实现方法（末尾实现类似幻灯片渐变的效果）...
图像边框的实现图像边框设计的主要函数 cv.copyMakeBorder()--实现边框填充主要参数如下: 参数一:源图像--如:读取的img 参数二--参数五分别是:上下左右边的宽度--单位:像 ...
OpenCV图像梯度（Sobel和Scharr）
OpenCV图像梯度(Sobel和Scharr) 1 图像梯度是什么? 2 图像梯度的用途 3 图像梯度的使用参考这篇博客将介绍图像渐变以及如何使用OpenCV的cv2.Sobel计算Sobel渐 ...
Python，OpenCV图像金字塔cv2.pyrUp(), cv2.pyrDown()
Python,OpenCV图像金字塔cv2.pyrUp, cv2.pyrDown 1. 效果图 2. 原理 2.1 什么是图像金字塔 2.2 金字塔分类 2.3 应用 3. 源码参考这篇博客将介绍 ...
OpenCV图像缩放插值之BiCubic双三次插值
图像缩放算法简介在图像的仿射变换中,很多地方需要用到插值运算,常见的插值运算包括最邻近插值,双线性插值,双三次插值(立体插值),兰索思插值等方法,OpenCV提供了很多方法,其中,双线性插值由于折中 ...
python皮同_Python OpenCV 图像的双线性插值算法，全网最细致的算法说明_橡皮擦，一个逗趣的互联网高级网虫-CSDN博客...
原文作者:梦想橡皮擦原文标题:Python OpenCV 图像的双线性插值算法,全网最细致的算法说明发布时间:2021-02-17 20:55:32 Python OpenCV 365 天学习计划 ...
OpenCV 图像加载和显示
OpenCV 图像加载和显示 OpenCV 图像加载和显示加载图像(使用cv :: imread) 创建一个名为OpenCV的窗口(使用cv :: namedWindow) 在OpenCV窗口中显示 ...
OpenCV图像坐标系与行列宽高的关系
这篇文章挺好 OpenCV图像坐标系与行列宽高的关系图片坐标系,与从小到大见到的xy坐标系,x轴方向相同,只是y轴方向相反.
python使用openCV图像加载（转化为灰度图像）、Canny边缘检测器检测图像的边缘（Detect Edges）
python使用openCV图像加载(转化为灰度图像).Canny边缘检测器检测图像的边缘(Detect Edges) 目录
python使用openCV图像加载（转化为灰度图像）、使用filter2D函数对图像进行锐化（Sharpen Images）
python使用openCV图像加载(转化为灰度图像).使用filter2D函数对图像进行锐化(Sharpen Images) 目录

OpenCV图像高光

实现原理

代码实现

结果

OpenCV图像高光相关推荐

最新文章

热门文章