matlab灰阶变换函数imadjust和stretchlim的c++实现

栏目: C++ · 发布时间: 6年前

内容简介：首先介绍一下灰阶变换，一幅图像数据本身在存储的数据结构上为一个二维的矩阵，即一幅图像为m*n个密密麻麻的像素点构成。然后，这些像素点有着一个值，这个值成为灰度值或者亮度值，值的范围为[0,255]，一共256级的亮度，也有成灰度级或灰阶的说法。那么如果把像素点的坐标（x, y）看作自变量，那么像素点的灰度值就可以看作它的函数值。

首先介绍一下灰阶变换，一幅图像数据本身在存储的数据结构上为一个二维的矩阵，即一幅图像为m*n个密密麻麻的像素点构成。

matlab灰阶变换函数imadjust和stretchlim的c++实现

然后，这些像素点有着一个值，这个值成为灰度值或者亮度值，值的范围为[0,255]，一共256级的亮度，也有成灰度级或灰阶的说法。那么如果把像素点的坐标（x, y）看作自变量，那么像素点的灰度值就可以看作它的函数值。

matlab灰阶变换函数imadjust和stretchlim的c++实现

然后 灰阶变换 就是函数值f(x,y)的变换了。就是一副像素点的灰度值按照某种规则或者关系从一个灰度级，变换的表达式如下。

matlab灰阶变换函数imadjust和stretchlim的c++实现

在matlab中，灰阶变换的两个 工具 函数，imadjust和stretchlim，接下来我们就用c++实现它。

imadjust

要实现imadjust函数，就先了解一下它，不知所以然就没法实现。这我们换看百度百科的介绍。

imadjust是一个计算机函数，该函数用于调节灰度图像的亮度或彩色图像的颜色矩阵。在matlab的命令窗口中键入： doc imadjust或者help imadjust即可获得该函数的帮助信息， 键入type imadjust可以查看函数的源代码。

再看看其函数原型

J = imadjust(I)

J = imadjust(I,[low_in; high_in],[low_out; high_out])

J = imadjust(I,[low_in; high_in],[low_out; high_out],gamma)

[newmap](https://baike.baidu.com/item/newmap) = imadjust(map,[low_in; high_in],[low_out;high_out],gamma)

RGB2 = imadjust(RGB1,...)

对应的要实现的c++函数原型是这样的

void imadjust(cv::Mat& input, cv::Mat& output, double low_in = 0.0, double high_in  = 1.0, double low_out = 0.0, double high_out = 1.0, double gamma = 1);//matlab,像素区间[0,1]
void imadjust(cv::Mat& input, cv::Mat& output, std::vector<double> in = { 0.0, 1.0 }, double low_out = 0.0, double high_out = 1.0, double gamma = 1);
void imadjust2(cv::Mat& input, cv::Mat& output, int low_in, int high_in, int low_out, int high_out, double gamma = 1);//opencv，像素区间[0,255]

接着是函数的功能

该函数用于调节灰度图像的亮度或彩色图像的颜色矩阵

来自官方帮助文档的使用示例

I = imread('pout.tif');J = imadjust(I);imshow(I), figure, imshow(J)
K = imadjust(I,[0.3 0.7],[]);figure, imshow(K)
RGB1 = imread('football.jpg');RGB2 = imadjust(RGB1,[.2 .3 0; .6 .7 1],[]);
imshow(RGB1), figure, imshow(RGB2)

附上解释

J = imadjust(I)

将灰度图像 I 中的亮度值映射到 J 中的新值，使得图像中 1% 的数据饱和至最低和最高亮度，这可以增加输出图像 J 的对比度值。此用法相当于 imadjust(I,stretchlim(I))

J = imadjust(I,[low_in; high_in],[low_out; high_out])

将图像I中的亮度值映射到J中的新值，即将low_in至high_in之间的值映射到low_out至high_out之间的值。low_in 以下与 high_in 以上的值被剪切掉了，也就是说，low_in 以下的值映射到 low_out，high_in 以上的值映射到high_out。它们都可以使用空的矩阵[]，默认值是[0 1]。

J = imadjust(I,[low_in; high_in],[low_out; high_out],gamma)

将图像 I 中的亮度值映射到 J 中的新值，其中 gamma指定描述值I和值J关系的曲线形状。如果gamma小于1，此映射偏重更高数值（明亮）输出，如果gamma大于1，此映射偏重更低数值（灰暗）输出，如果省略此参数，默认为(线性映射)。 《Simulink与信号处理》

newmap = imadjust(map,[low_in; high_in],[low_out; high_out],gamma)

调整索引色图像的调色板map。如果low_in, high_in, low_out, high_out 和 gamma 都是标量，那么对 r，g，b 分量同时都做此映射。对于每个颜色分量都有唯一的映射，当 low_in 和 high_in 同时为1*3向量或者 low_out 和 high_out 同时为1*3向量或者 gamma 为1*3向量时。调整后的颜色矩阵 [newmap](https://baike.baidu.com/item/newmap) 和 map 有相同的大小。

RGB2 = imadjust(RGB1,...)

对 RGB 图像 RGB1 的红、绿、蓝调色板分别进行调整。随着颜色矩阵的调整，每一个调色板都有唯一的映射值。

这里我们着重理解一下行数原型的几个参数 

J = imadjust(I,[low_in; high_in],[low_out; high_out],gamma)

I为输入的图像，函数的功能就是把输入图像在[low_in; high_in]灰度级中的像素点，映射为[low_out; high_out]区间的灰度级，gamma为一个可选参数，gamma = 1为线性变换，gamma != 1为伽马变换。

matlab灰阶变换函数imadjust和stretchlim的c++实现

matlab灰阶变换函数imadjust和stretchlim的c++实现

matlab灰阶变换函数imadjust和stretchlim的c++实现

下面来讲一下伽马变换。伽马变换又称幂次变换，变换公式为

matlab灰阶变换函数imadjust和stretchlim的c++实现

matlab灰阶变换函数imadjust和stretchlim的c++实现

好，下面开始代码的实现。

先用一张表储存伽马变换的值，这样就不需要在每次变量像素点的时候都调用gamma变换公式计算

std::vector<uchar> gammaLut(const double gamma, const double c)
{
	std::vector<uchar> lut(256);
	for (int i = 0; i < 256; ++i)
		lut[i] =  static_cast<uchar>(c * std::pow((double)(i / 255.0), gamma) * 255.0);

	return lut;
}

然后遍历图像，对每个像素点进行灰阶变换操作

for (int i = 0; i < rows; ++i)
			for (int j = 0; j < cols; ++j)
			{
				double result = 0;
				if (input.at<uchar>(i, j) <= low_in)//灰度值小于low_in的像素点
				{
					result = low_out;//结果为low_out
				}
				else if (low_in < input.at<uchar>(i, j) && input.at<uchar>(i, j) < high_in)//灰度值在[low_in, high_in]
				{
					result = k * (input.at<uchar>(i, j) - low_in) + high_in;//灰度值线性变换
					result = gamma_lut[static_cast<uchar>(result)];//灰度值gamma变换
				}	
				else
				{
					result = high_out;//灰度值大于high_in的像素点，结果为high_out
				}

				output.at<uchar>(i, j) = static_cast<uchar>(result) % 255;
			}

下面放出完整代码

//imadjust函数的实现

#include<opencv2/opencv.hpp>
#include<iostream>
#include<cassert>
#include<vector>

void imadjust(cv::Mat& input, cv::Mat& output, double low_in = 0.0, double high_in  = 1.0, double low_out = 0.0, double high_out = 1.0, double gamma = 1);//matlab,像素区间[0,1]
void imadjust(cv::Mat& input, cv::Mat& output, std::vector<double> in = { 0.0, 1.0 }, double low_out = 0.0, double high_out = 1.0, double gamma = 1);
void imadjust2(cv::Mat& input, cv::Mat& output, int low_in, int high_in, int low_out, int high_out, double gamma = 1);//opencv，像素区间[0,255]
std::vector<uchar> gammaLut(const double gamma, const double c = 1.0);//灰度值的伽马变换结果表lut

bool is0to1(const double var);

int main()
{
	cv::Mat src_img = cv::imread("Fig0304(a)(breast_digital_Xray).tif");
	if(src_img.empty()) return -1;

	cv::Mat dst_img;
	imadjust(src_img, dst_img, 0, 1, 0, 1, 2);

	cv::imshow("src_img", src_img);

	cv::imshow("dst_img", dst_img);
	cv::waitKey(0);

	return 0;
}//main

void imadjust(cv::Mat& input, cv::Mat& output, double low_in, double high_in, double low_out, double high_out, double gamma)
{
	assert(low_in < high_in && is0to1(low_in) && is0to1(high_in) && is0to1(low_out) && is0to1(high_out));

	//将matlab中的灰度值区间[0,1]转为opencv灰度值区间[0,255]
	high_in *= 255; high_out *= 255; low_in *= 255; low_out *= 255;

	imadjust2(input, output, low_in, high_in, low_out, high_out, gamma);
}
void imadjust(cv::Mat& input, cv::Mat& output, std::vector<double> in, double low_out, double high_out, double gamma)
{
	assert(2 == in.size());
	double low_in = in[0];
	double high_in = in[1];
	imadjust(input, output, low_in, high_in, low_out, high_out, gamma);
}


void imadjust2(cv::Mat& input, cv::Mat& output, int low_in, int high_in, int low_out, int high_out, double gamma )//opencv，像素区间[0,255]
{
	output = input.clone();
	int rows = input.rows;//行
	int cols = input.cols;//列
	double k = (static_cast<double>(high_out) - low_out) / (high_in - low_in);
	std::vector<uchar> gamma_lut = gammaLut(gamma);

	switch(input.channels())
	{

	case 1://灰度图
		
		for (int i = 0; i < rows; ++i)
			for (int j = 0; j < cols; ++j)
			{
				double result = 0;
				if (input.at<uchar>(i, j) <= low_in)//灰度值小于low_in的像素点
				{
					result = low_out;//结果为low_out
				}
				else if (low_in < input.at<uchar>(i, j) && input.at<uchar>(i, j) < high_in)//灰度值在[low_in, high_in]
				{
					result = k * (input.at<uchar>(i, j) - low_in) + high_in;//灰度值线性变换
					result = gamma_lut[static_cast<uchar>(result)];//灰度值gamma变换
				}	
				else
				{
					result = high_out;//灰度值大于high_in的像素点，结果为high_out
				}

				output.at<uchar>(i, j) = static_cast<uchar>(result) % 255;
			}
		break;

		//彩色图片
	case 3:
		for (int i = 0; i < rows; ++i)
			for (int j = 0; j < cols; ++j)
				for (int k = 0; k < 3; ++k)
				{
					double result = 0;
					if (input.at<cv::Vec3b>(i, j)[k] <= low_in)
						result = low_out;
					else if (low_in < input.at<cv::Vec3b>(i, j)[k] && input.at<cv::Vec3b>(i, j)[k] < high_in)
					{
						result = k * (input.at<cv::Vec3b>(i, j)[k] - low_in) + high_in;
						result = gamma_lut[static_cast<uchar>(result)];
					}
					else
					{
						result = high_out;
					}

					output.at<cv::Vec3b>(i, j)[k] = static_cast<uchar>(result) % 255;
				}		
		break;

	default:
		break;
	}
}


bool is0to1(const double var)
{
	return 0 <= var && var <= 1;
}

std::vector<uchar> gammaLut(const double gamma, const double c)
{
	std::vector<uchar> lut(256);
	for (int i = 0; i < 256; ++i)
		lut[i] =  static_cast<uchar>(c * std::pow((double)(i / 255.0), gamma) * 255.0);

	return lut;
}

测试效果

matlab灰阶变换函数imadjust和stretchlim的c++实现

stretchlim

同样的，先看看这个函数有什么作用，stretchlim函数要用于自适应找到一个分割阈值向量来改变一幅图像的对比度。就是自动找到imadjust函数中[low_in; high_in]的合适值，所以说stretchlim是为imadjust函数服务的。

接着来看一下stretchlim函数的原型

lowhigh = stretchlim(I)
lowhigh = stretchlim(I,Tol)

对应到我们要实现的c++函数原型是这样的

std::vector<double> strecthlim(cv::Mat img, double tol_low = 0.01, double tol_high = 0.99);

至于函数的实现原理和过程，看到这篇文章 Matlab中的stretchlim函数详解 ，解释的非常清楚。我就不详细说明了,代码中也给了较多的注释。

下面贴上代码

头文件 

#pragma once
#include<opencv2/opencv.hpp>
#include<vector>
#include<cassert>

std::vector<int> calcGrayLevel(cv::Mat& img);//计算灰度级，即算出从0到255区间的任意一个灰度值i，在图像img中有多少个像素点的灰度值为i
std::vector<double> pdf(std::vector<int> gray_level, cv::Mat& img);//计算概率密度pdf
std::vector<double> cdf(std::vector<double> pdf);//计算概率分布cdf
double findLow(double input_low, std::vector<double> cdf);
double findHihg(double input_high, std::vector<double> cdf);
std::vector<double> strecthlim(cv::Mat img, double tol_low = 0.01, double tol_high = 0.99);

cpp文件

//2-2-1
//stretchlim函数

#include"stretchlim.h"
#include<iostream>


int main()
{
	cv::Mat img = cv::imread("./Fig0304(a)(breast_digital_Xray).tif", 0);

	if (img.empty()) return -1;

	std::vector<double> v = strecthlim(img);
	for (auto& i : v)
		std::cout << i << std::endl;

	system("pause");
	return 0;
}

std::vector<int> calcGrayLevel(cv::Mat& img)//计算灰度级，即算出从0到255区间的任意一个灰度值i，在图像img中有多少个像素点的灰度值为i
{
	assert(img.channels() == 1);//只计算灰度图像的
	std::vector<int> res(256);
	int rows = img.rows;//行
	int cols = img.cols;//列

	for(int i = 0; i < rows; ++i)
		for (int j = 0; j < cols; ++j)
		{
			int val = img.at<uchar>(i, j);
			res[val] += 1;
		}

	return res;
}


std::vector<double> pdf(std::vector<int> gray_level, cv::Mat& img)//计算概率密度
{
	assert(gray_level.size() == 256);
	
	int N = img.rows * img.cols;//像素点总数
	std::vector<double> res(256);
	for (int i = 0; i < 256; ++i)
		res[i] =static_cast<double>(gray_level[i]) / N;

	return res;
}

std::vector<double> cdf(std::vector<double> pdf)//计算概率分布cdf
{
	assert(pdf.size() == 256);

	std::vector<double> res(256);
	res[0] = pdf[0];
	for (int i = 1; i < 256; ++i)
		res[i] = pdf[i] + res[i - 1];
	return res;
}


double findLow(double input_low, std::vector<double> cdf)
{
	assert(cdf.size() == 256);
	//找到分布概率大于我们的输入值input_low处最接近的灰度值，并以此作为最佳分割阈值的最小值
	for (int i = 0; i < 256; ++i)
		if (cdf[i] > input_low)
			return cdf[i];

	return 0.0;
}
double findHihg(double input_high, std::vector<double> cdf)
{
	assert(256 == cdf.size());
	//找到分布概率大于或等于我们的输入值input_high处最接近的灰度值，并以此作为最佳分割阈值的最大值
	for(int i = 0; i < 256; ++i)
		if(cdf[i] >= input_high)
			return cdf[i];

	return 0.0;
}


std::vector<double> strecthlim(cv::Mat img, double tol_low, double tol_high)
{
	std::vector<double> v(2);
	if (img.empty()) return v;

	//计算灰度值
	std::vector<int> gray_level = calcGrayLevel(img);
	//计算概率密度pdf
	std::vector<double> p = pdf(gray_level, img);
	//计算概率分布cdf
	std::vector<double> c = cdf(p);
	//寻找tol_low, tol_high
	tol_low = findLow(tol_low, c);
	tol_high = findHihg(tol_high, c);
	
	if (tol_low == tol_high)
		v = { 0.0, 1.0 };
	else
		v = { tol_low, tol_high };

	return v;
}

以上所述就是小编给大家介绍的《matlab灰阶变换函数imadjust和stretchlim的c++实现》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！

查看所有标签

猜你喜欢:

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。

码农书籍
高扩展性网站的50条原则

高扩展性网站的50条原则

[美] Martin L. Abbott、[美]Michael T. Fisher / 张欣、杨海玲 / 人民邮电出版社 / 2012-6-3 / 35.00元

《高扩展性网站的50条原则》给出了设计高扩展网站的50条原则，如不要过度设计、设计时就考虑扩展性、把方案简化3倍以上、减少DNS查找、尽可能减少对象等，每个原则都与不同的主题绑定在一起。大部分原则是面向技术的，只有少量原则解决的是与关键习惯和方法有关的问题，当然，每个原则都对构建可扩展的产品至关重要。 主要内容包括： 通过克隆、复制、分离功能和拆分数据集提高网站扩展性； 采用横向......一起来看看 《高扩展性网站的50条原则》 这本书的介绍吧!

码农工具
图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

随机密码生成器
随机密码生成器

多种字符组合密码

URL 编码/解码
URL 编码/解码

URL 编码/解码

  • New
  • 文章
  • 话题
  • 教程
    • 关注 码农网 公众号
    版权所有，保留一切权利！© 2018-2024 码农网 粤ICP备17054400号-3