机器视觉-7 检测原理之预处理（图像增强）

在图像处理领域，图像增强是一个非常重要的技术，目的是通过调整图像的某些特征来改善图像的视觉效果，或为后续的图像分析和处理做准备。在 OpenCV 中，C++ 提供了多种图像增强方法，包括直方图均衡化、对比度拉伸、锐化、边缘增强等操作。下面详细介绍 C++ 中使用 OpenCV 进行图像增强的常用方法，并附上代码示例。

1. 直方图均衡化 (Histogram Equalization)

直方图均衡化是一种常用的图像增强技术，主要用于改善图像的对比度，使图像的灰度值分布更加均匀，适合处理光照不均的图像。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {// 读取灰度图像Mat image = imread("image.jpg", IMREAD_GRAYSCALE);if (image.empty()) {return -1;}// 直方图均衡化Mat equalized_image;equalizeHist(image, equalized_image);// 显示原图和均衡化后的图像imshow("Original Image", image);imshow("Equalized Image", equalized_image);waitKey(0);return 0;
}

主要函数：

equalizeHist()：用于对图像进行直方图均衡化。只能应用于灰度图像。

2. CLAHE (对比度受限自适应直方图均衡化)

CLAHE（Contrast Limited Adaptive Histogram Equalization）是一种改进的直方图均衡化方法，它将图像分成小块（称为 tiles），分别对每个块进行直方图均衡化，避免了传统均衡化中可能产生的过度增强现象。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {// 读取灰度图像Mat image = imread("image.jpg", IMREAD_GRAYSCALE);if (image.empty()) {return -1;}// 创建CLAHE对象Ptr<CLAHE> clahe = createCLAHE();clahe->setClipLimit(2.0); // 设置对比度限制Mat clahe_image;clahe->apply(image, clahe_image);// 显示原图和CLAHE增强后的图像imshow("Original Image", image);imshow("CLAHE Image", clahe_image);waitKey(0);return 0;
}

主要函数：

createCLAHE()：创建一个 CLAHE 对象。
setClipLimit()：设置 CLAHE 的对比度限制。

3. 亮度与对比度调整 (Brightness and Contrast Adjustment)

通过线性变换可以直接调整图像的亮度和对比度。调整亮度通常是在图像上加上一个常数，而调整对比度则是对图像乘以一个系数。

公式为：

new_image=α×image+β

其中，alpha 是对比度因子，beta 是亮度偏移值。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {// 读取图像Mat image = imread("image.jpg");if (image.empty()) {return -1;}Mat new_image = Mat::zeros(image.size(), image.type());double alpha = 1.5; // 对比度因子int beta = 50;      // 亮度偏移// 调整亮度与对比度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);}}}imshow("Original Image", image);imshow("New Image", new_image);waitKey(0);return 0;
}

主要函数：

saturate_cast<uchar>：用于防止数值溢出（防止像素值超出 0-255 的范围）。

4. 锐化 (Sharpening)

通过应用锐化滤波器，可以增强图像的细节，使图像看起来更清晰。常见的锐化卷积核如下：

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}// 定义锐化卷积核Mat kernel = (Mat_<float>(3, 3) << 0, -1, 0, -1, 5, -1, 0, -1, 0);// 应用滤波器进行锐化Mat sharpened_image;filter2D(image, sharpened_image, -1, kernel);imshow("Original Image", image);imshow("Sharpened Image", sharpened_image);waitKey(0);return 0;
}

主要函数：

filter2D()：用于应用自定义的卷积核进行滤波。

5. 边缘检测 (Edge Detection)

图像增强中常用的边缘检测算法包括 Sobel 算子和 Canny 边缘检测。

Sobel 算子：

Sobel 算子是基于梯度的边缘检测方法，计算图像在水平方向和垂直方向上的梯度，并结合这两个方向的梯度幅值来找到边缘。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg", IMREAD_GRAYSCALE);if (image.empty()) {return -1;}Mat grad_x, grad_y;Mat abs_grad_x, abs_grad_y, grad;// 计算 x 方向的梯度Sobel(image, grad_x, CV_16S, 1, 0, 3);convertScaleAbs(grad_x, abs_grad_x);// 计算 y 方向的梯度Sobel(image, grad_y, CV_16S, 0, 1, 3);convertScaleAbs(grad_y, abs_grad_y);// 合并梯度addWeighted(abs_grad_x, 0.5, abs_grad_y, 0.5, 0, grad);imshow("Original Image", image);imshow("Sobel Edge Detection", grad);waitKey(0);return 0;
}

主要函数：

Sobel()：计算图像的 Sobel 梯度。
convertScaleAbs()：将计算出的梯度值转换为 8 位无符号类型。

Canny 边缘检测：

Canny 算法是一种经典的多级边缘检测算法，常用于检测图像中的明显边缘。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg", IMREAD_GRAYSCALE);if (image.empty()) {return -1;}Mat edges;// 使用Canny边缘检测Canny(image, edges, 100, 200);imshow("Original Image", image);imshow("Canny Edge Detection", edges);waitKey(0);return 0;
}

主要函数：

Canny()：OpenCV 中的 Canny 边缘检测函数。

6. 图像伽马校正 (Gamma Correction)

伽马校正用于调整图像的亮度或对比度，它是非线性的图像增强方法。通过控制伽马值，可以增强图像的暗部细节或亮部细节。

伽马校正公式：

代码实现：

#include <opencv2/opencv.hpp>
#include <cmath>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}Mat gamma_corrected_image;image.convertTo(gamma_corrected_image, CV_32F, 1.0 / 255); // 归一化pow(gamma_corrected_image, 0.5, gamma_corrected_image);     // 伽马校正，gamma = 0.5gamma_corrected_image.convertTo(gamma_corrected_image, CV_8U, 255); // 反归一化imshow("Original Image", image);imshow("Gamma Corrected Image", gamma_corrected_image);waitKey(0);return 0;
}

7. 拉普拉斯锐化 (Laplacian Sharpening)

拉普拉斯算子是一种二阶导数算子，常用于增强图像的边缘特征。它通过计算图像中像素点的二阶导数来检测边缘。使用拉普拉斯算子可以有效增强图像中的边缘，使图像显得更加清晰。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg", IMREAD_GRAYSCALE);if (image.empty()) {return -1;}Mat laplacian_image;// 使用拉普拉斯算子进行锐化Laplacian(image, laplacian_image, CV_16S, 3);convertScaleAbs(laplacian_image, laplacian_image);  // 转换为 8 位图像imshow("Original Image", image);imshow("Laplacian Sharpening", laplacian_image);waitKey(0);return 0;
}

主要函数：

Laplacian()：OpenCV 中的拉普拉斯算子计算函数。
convertScaleAbs()：将拉普拉斯算子的输出转换为 8 位图像。

8. 非局部均值去噪 (Non-Local Means Denoising)

非局部均值 (Non-Local Means, NLM) 去噪是一种高级去噪算法。它通过对图像中相似的局部区域进行加权平均来去除噪声，同时最大程度地保留细节。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}Mat denoised_image;// 使用非局部均值去噪fastNlMeansDenoisingColored(image, denoised_image, 10, 10, 7, 21);imshow("Original Image", image);imshow("Denoised Image", denoised_image);waitKey(0);return 0;
}

主要参数：

h：控制强度，值越大，去噪效果越强，但细节损失越大。
fastNlMeansDenoisingColored()：OpenCV 中用于彩色图像去噪的函数。

9. 仿射变换 (Affine Transformation)

仿射变换是一种几何图像增强技术，它可以对图像进行旋转、缩放、平移、剪切等变换。仿射变换可以用 2x3 的矩阵来表示。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}// 定义仿射变换矩阵Point2f srcTri[3], dstTri[3];srcTri[0] = Point2f(0, 0);srcTri[1] = Point2f(image.cols - 1, 0);srcTri[2] = Point2f(0, image.rows - 1);dstTri[0] = Point2f(0, image.rows * 0.33);dstTri[1] = Point2f(image.cols * 0.85, image.rows * 0.25);dstTri[2] = Point2f(image.cols * 0.15, image.rows * 0.7);Mat warp_mat = getAffineTransform(srcTri, dstTri);Mat warp_dst = Mat::zeros(image.rows, image.cols, image.type());// 应用仿射变换warpAffine(image, warp_dst, warp_mat, warp_dst.size());imshow("Original Image", image);imshow("Affine Transformed Image", warp_dst);waitKey(0);return 0;
}

主要函数：

getAffineTransform()：生成仿射变换矩阵。
warpAffine()：应用仿射变换到图像。

10. 透视变换 (Perspective Transformation)

透视变换是一种几何变换，用于校正图像的透视失真。它通过 3x3 的变换矩阵将图像中的一个四边形映射为另一个四边形。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}// 定义源图像和目标图像的 4 个点Point2f srcQuad[4], dstQuad[4];srcQuad[0] = Point2f(0, 0);srcQuad[1] = Point2f(image.cols - 1, 0);srcQuad[2] = Point2f(image.cols - 1, image.rows - 1);srcQuad[3] = Point2f(0, image.rows - 1);dstQuad[0] = Point2f(image.cols * 0.1, image.rows * 0.33);dstQuad[1] = Point2f(image.cols * 0.9, image.rows * 0.25);dstQuad[2] = Point2f(image.cols * 0.8, image.rows * 0.9);dstQuad[3] = Point2f(image.cols * 0.2, image.rows * 0.7);// 获取透视变换矩阵Mat warp_mat = getPerspectiveTransform(srcQuad, dstQuad);Mat warp_dst = Mat::zeros(image.rows, image.cols, image.type());// 应用透视变换warpPerspective(image, warp_dst, warp_mat, warp_dst.size());imshow("Original Image", image);imshow("Perspective Transformed Image", warp_dst);waitKey(0);return 0;
}

主要函数：

getPerspectiveTransform()：生成透视变换矩阵。
warpPerspective()：应用透视变换到图像。

11. 拉普拉斯金字塔 (Laplacian Pyramid)

拉普拉斯金字塔是一种用于图像多分辨率表示的技术，常用于图像增强、图像融合等领域。金字塔的每一层都是对上一层图像的降采样结果。

代码实现：

#include <opencv2/opencv.hpp>
using namespace cv;int main() {Mat image = imread("image.jpg");if (image.empty()) {return -1;}Mat down, up;// 降采样pyrDown(image, down);// 再次升采样pyrUp(down, up);imshow("Original Image", image);imshow("PyrDown Image", down);imshow("PyrUp Image", up);waitKey(0);return 0;
}