OpenCV,马赛克 常用图像增强算法的实现
import cv2 import numpy as npdef salt(img, img2, n):noff = int((n - 1) / 2)for i in range(noff,img.shape[0]-noff,noff):for j in range(noff,img.shape[1]-noff,noff):# img.shape[0] -- 取得img 的列(图片的高) # img.shape[1] -- 取得img 的行(图片的宽) # i = int(np.random.random() * img.shape[1]); # j = int(np.random.random() * img.shape[0]); (b, g, r) = img[i, j]k = np.random.random()#b = img[j, i, 0] #g = img[j, i, 1] #r = img[j, i, 2] for m in range(-noff, noff):for n in range(-noff, noff):img[i+m, j+n, 0] = bimg[i + m, j + n, 1] = gimg[i + m, j + n, 2] = r#img[i+m, j+n] = 255 #img[j, i, 1] = 255 #img[j, i, 2] = 255 return imgimg = cv2.imread("100900.jpg") img2 = img.copy() saltImage = salt(img, img2, 17)cv2.imshow("Salt", saltImage) cv2.waitKey(0) cv2.destroyAllWindows()
1、对数图像增强算法
对数图像增强是图像增强的一种常见方法,其公式为: S = c log(r+1),其中c是常数(以下算法c=255/(log(256)),这样可以实现整个画面的亮度增大。
- void LogEnhance(IplImage* img, IplImage* dst)
- {
- // 由于oldPixel:[1,256],则可以先保存一个查找表
- uchar lut[256] ={0};
- double temp = 255/log(256);
- for ( int i =0; i<255; i++)
- {
- lut[i] = (uchar)(temp* log(i+1)+0.5);
- }
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- dstData[col*img->nChannels+k] = lut[t1];
- }
- }
- }
- }
2、指数图像增强算法
指数图像增强的表达为:S = cR^r,通过合理的选择c和r可以压缩灰度范围,算法以c=1.0/255.0, r=2实现。
- void ExpEnhance(IplImage* img, IplImage* dst)
- {
- // 由于oldPixel:[1,256],则可以先保存一个查找表
- uchar lut[256] ={0};
- double temp = 1.0/255.0;
- for ( int i =0; i<255; i++)
- {
- lut[i] = (uchar)(temp*i*i+0.5);
- }
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- dstData[col*img->nChannels+k] = lut[t1];
- }
- }
- }
- }
3、加Masaic算法
在日常中有时候保密或其他需要将图像马赛克,下面的算法实现图像马赛克功能(原理:用中心像素来表示邻域像素)。
- uchar getPixel( IplImage* img, int row, int col, int k)
- {
- return ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k];
- }
- void setPixel( IplImage* img, int row, int col, int k, uchar val)
- {
- ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k] = val;
- }
- // nSize:为尺寸大小,奇数
- // 将邻域的值用中心像素的值替换
- void Masic(IplImage* img, IplImage* dst, int nSize)
- {
- int offset = (nSize-1)/2;
- for ( int row = offset; row <img->height - offset; row= row+offset)
- {
- for( int col= offset; col<img->width - offset; col = col+offset)
- {
- int val0 = getPixel(img, row, col, 0);
- int val1 = getPixel(img, row, col, 1);
- int val2 = getPixel(img, row, col, 2);
- for ( int m= -offset; m<offset; m++)
- {
- for ( int n=-offset; n<offset; n++)
- {
- setPixel(dst, row+m, col+n, 0, val0);
- setPixel(dst, row+m, col+n, 1, val1);
- setPixel(dst, row+m, col+n, 2, val2);
- }
- }
- }
- }
- }
0x01. 像素
mport math
for i in range(50, 100 + 1):
for j in range(2, int(math.sqrt(i)) + 1):
if i % j == 0:
break
else:
print i
#第二个:把else的位置与if处于同一缩进。
import math
for i in range(50, 100 + 1):
for j in range(2, int(math.sqrt(i)) + 1):
if i % j == 0:
break
else:
print i
#第三个:在else后加一个break语句。
import math
for i in range(50, 100 + 1):
for j in range(2, int(math.sqrt(i)) + 1):
if i % j == 0:
break
else:
print i
break
有两种直接操作图片像素点的方法:
第一种办法就是将一张图片看成一个多维的list,例如对于一张图片im,想要操作第四行第四列的像素点就直接 im[3,3] 就可以获取到这个点的RGB值。
第二种就是使用 OpenCV 提供的 Get1D、 Get2D 等函数。
推荐使用第一种办法吧,毕竟简单。
0x02. 获取行和列像素
有一下四个函数:
cv.GetCol(im, 0): 返回第一列的像素
cv GetCols(im, 0, 10): 返回前 10 列
cv.GetRow(im, 0): 返回第一行
cv.GetRows(im, 0, 10): 返回前 10 行
0x03. 批量处理
需要批量处理所有的像素点的时候,只需要使用for循环迭代处理就可以了:
import cv2.cv as cvim = cv.LoadImage("img/lena.jpg")for i in range(im.height):for j in range(im.width):im[i,j] # 这里可以处理每个像素点
还有一种迭代处理的方式是使用 LineIterator,不过在声明 LineIterator 的时候需要制定处理像素点的开始点和结束点。
import cv2.cv as cvim = cv.LoadImage("img/lena.jpg")li = cv.InitLineIterator(im, (0, 0), (im.rows, im.cols)) #So loop the entire matrixfor (r, g, b) in li:# 这里可以对每个像素点的 r g b 进行处理
娱乐一下, 随机获取 5000 个像素点,然后把颜色换成一个随机的值(salt):
import cv2.cv as cvimport random# 这里也可以使用 Get2D/Set2D 来加载图片
im = cv.LoadImage("img/lena.jpg") for k in range(5000): #Create 5000 noisy pixelsi = random.randint(0,im.height-1)j = random.randint(0,im.width-1)color = (random.randrange(256),random.randrange(256),random.randrange(256))im[i,j] = colorcv.ShowImage("Noize", im)
cv.WaitKey(0)
效果图:
4、曝光过度问题处理
对于曝光过度问题,可以通过计算当前图像的反相(255-image),然后取当前图像和反相图像的较小者为当前像素位置的值。
// 过度曝光原理:图像翻转,然后求原图与反图的最小值
- <span style="font-size:12px;">void ExporeOver(IplImage* img, IplImage* dst)
- {
- for( int row =0; row <img->height; row++)
- {
- uchar *data = (uchar*)img->imageData+ row* img->widthStep;
- uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;
- for ( int col = 0; col<img->width; col++)
- {
- for( int k=0; k<img->nChannels; k++)
- {
- uchar t1 = data[col*img->nChannels+k];
- uchar t2 = 255 - t1;
- dstData[col*img->nChannels+k] = min(t1,t2);
- }
- }
- }
- }</span>
5、高反差保留
高反差保留主要是将图像中颜色、明暗反差较大两部分的交界处保留下来,比如图像中有一个人和一块石头,那么石头的轮廓线和人的轮廓线以及面部、服装等有明显线条的地方会变被保留,儿其他大面积无明显明暗变化的地方则生成中灰色。其表达形式为:dst = r*(img - Blur(img))。
- Mat HighPass(Mat img)
- {
- Mat temp;
- GaussianBlur(img, temp,Size(7,7),1.6,1.6);
- int r=3;
- Mat diff = img + r*(img-temp); //高反差保留算法
- return diff;
- }
测试代码:
- int main(int argc, char* argv[])
- {
- const char* Path = "02.bmp";
- IplImage *img = cvLoadImage(Path,CV_LOAD_IMAGE_ANYCOLOR);
- IplImage *dst = cvCreateImage(cvGetSize(img), img->depth, img->nChannels);
- cout<<"输入你要选择的操作:"<<endl;
- cout<<"1、曝光过度"<<endl;
- cout<<"2、加马赛克"<<endl;
- cout<<"3、对数增强"<<endl;
- cout<<"4、指数增强"<<endl;
- cout<<"请输入你的选择:";
- int choice = 1;
- cin>>choice;
- switch (choice)
- {
- case 1:
- ExporeOver(img, dst); //这四个算法中总觉得某个算法有问题
- break;
- case 2:
- Masic(img, dst, 21);
- break;
- case 3:
- LogEnhance(img, dst);
- break;
- case 4:
- ExpEnhance(img, dst);
- break;
- default:
- cout<<"输入错误"<<endl;
- break;
- }
- cvSaveImage("dst.jpg",dst);
- cvNamedWindow("SRC",1);
- cvNamedWindow("DST", 1);
- cvShowImage("SRC", img);
- cvShowImage("DST", dst);
- cvWaitKey();
- return 0;
- }
实现在MFC中效果如下(程序有点小问题,“高斯平滑”的效果应该是中值滤波):
OpenCV,马赛克 常用图像增强算法的实现相关推荐
- matlab 常用机器学习算法的实现
1. KNN 分类 load fisheriris X = meas; Y = species; % 3 分类问题% 通过训练集进行训练 Mdl = fitcknn(X, Y, 'NumNeighbo ...
- OpenCV中图像旋转(warpAffine)算法的实现过程
在OpenCV中,目前并没有现成的函数直接用来实现图像旋转,它是用仿射变换函数cv::warpAffine来实现的,此函数目前支持4种插值算法,最近邻.双线性.双三次.兰索斯插值,如果传进去的参数为基 ...
- 游戏中常用的寻路算法的分享(3):A*算法的实现
概述 剥除代码,A* 算法非常简单.算法维护两个集合:OPEN 集和 CLOSED 集.OPEN 集包含待检测节点.初始状态,OPEN集仅包含一个元素:开始位置.CLOSED集包含已检测节点.初始状态 ...
- 基于matlab的动态规划程序实现,基于MATLAB的动态规划常用算法的实现
第7 卷 第4 期 2008 年12 月 太 原 师 范 学 院 学 报 (自然科学版) JOU RNAL O F TA IYUAN NORMAL UN IV ERSITY (N atural Sci ...
- opencv光线补偿_光线补偿算法的实现
最近扒拉了一些光线补偿算法的实现,可能是能力比较有限,看到的大多是是基于Face detection in color images是这篇论文的实现. 从效果上来看,的确起到了明亮.美白的效果.但是从 ...
- JAVA实现中点画线_实验1-中点画线和Bresenham画线算法的实现
<实验1-中点画线和Bresenham画线算法的实现>由会员分享,可在线阅读,更多相关<实验1-中点画线和Bresenham画线算法的实现(9页珍藏版)>请在人人文库网上搜索. ...
- python边缘检测代码_python Canny边缘检测算法的实现
图像边缘信息主要集中在高频段,通常说图像锐化或检测边缘,实质就是高频滤波.我们知道微分运算是求信号的变化率,具有加强高频分量的作用.在空域运算中来说,对图像的锐化就是计算微分.对于数字图像的离散信号, ...
- C++基础代码--20余种数据结构和算法的实现
C++基础代码--20余种数据结构和算法的实现 过年了,闲来无事,翻阅起以前写的代码,无意间找到了大学时写的一套C++工具集,主要是关于数据结构和算法.以及语言层面的工具类.过去好几年了,现在几乎已经 ...
- 53.垃圾回收算法的实现原理、启动Java垃圾回收、Java垃圾回收过程、垃圾回收中实例的终结、对象什么时候符合垃圾回收的条件、GC Scope 示例程序、GC OutOfMemoryError的示例
53.垃圾回收算法的实现原理 53.1.目录 53.2.启动Java垃圾回收 53.3.Java垃圾回收过程 53.4.垃圾回收中实例的终结 53.5.对象什么时候符合垃圾回收的条件? 53.5.1. ...
最新文章
- mysql调试事件_mysql日志管理分析调试实例_mysql
- LearningR-XML
- Linux下CMake简明教程(九) 添加控制选项
- 即点即用的office程序_10个超实用的微信小程序推荐
- Codeforces Round #250 (Div. 2)—A. The Child and Homework
- Linux编程(6)_makefile
- IIS6上配置CGI有两个要点(转)
- 【java】中缀表达式转后缀表达式 java实现
- PPT达人速成记 WPS三步打造演示母版
- 2022年Java秋招面试必看的 | 微服务面试题
- 协同系统php,php然之协同管理系统
- Excel计算相邻单元格时间差,如果时间差大于24h编号自增
- 美颜sdk算法总概——美白
- 【科创人独家】爱因互动洪强宁:参与创业≠创业,融到钱的那晚我失眠了
- TypeScript值比较、泛型函数类型和签名
- hive sql中传date 指定后的“%Y-%m-%d“格式,需要加引号
- 从图表中的断线简聊DAX中的空值(null)
- Rabbit health check failed
- PHP ACCESS-CONTROL-ALLOW-ORIGIN ,设置跨域头
- 超牛逼的性能调优神器 — 火焰图
热门文章
- android 教程 最新版,Android最新版本开发环境搭建图文教程
- php+redis+两种驱动,redis的php驱动两种方式
- css怎么动画中该透明度,通过css3动画和opacity透明度实现呼吸灯效果
- mysql 代替不明_mysql不明原因停止后不能启动,请高手分析
- web模拟终端博客系统
- laravel 5.1 Eloquent常见问题
- IC卡读卡器web开发,支持IE,Chrome,Firefox,Safari,Opera等主流浏览 器
- C++11之右值引用(三):使用C++11编写string类以及“异常安全”的=运算符
- 硬链接与软链接的区别有哪些?
- struts2之二(输入校验)