由Photoshop高反差保留算法原理联想到的一些图像增强算法。

关于高反差保留的用处说明呢,从百度里复制了一段文字,我觉得写得蛮好的:

  高反差保留就是保留图像的高反差部分,再说得真白些,就是保留图像上像素与周围反差比较大的部分,其它的部分都变为灰色。拿一个人物照片来举例,反差比较大的部分有人的眼睛,嘴,以及身体轮廓。如果执行了就反差保留,这些信息将留下来(与灰色形成鲜明对比)。它的主要作用就是加强图像中高反差部分。还以人物照片为例子,一般为了使人物皮肤美观,通常需要执行模糊,执行模糊后人物的线条也被模糊了。在执行模糊之前复制图像两个副本,其中一个执行模糊,另一个执行高反差保留,把高反差保留后的图层放置在模糊图层的上方,然后执行柔光混合模式,这样人物的线条就更清楚些。 

 那么高反差保留算法本身的执行过程是如何的呢,简单的表达就是: 

         高反差保留 = 原始图像 - 高斯模糊图像 + 127

     加上127的目的是为了不让太多的像素由于不在有效范围内而导致图像太黑,从而丢失信息。

     简单的代码如下:

unsigned char *Pointer , *CloneP;
unsigned char * Clone = (unsigned char *) malloc (Height * Stride );
memcpy(Clone, Scan0, Height * Stride);                //    复制一个图层
GuassBlur(Clone, Width ,Height, Stride, Radius);      //    对该图层经进行高斯模糊
for (Y = 0; Y < Height; Y++)
{
    Pointer = Scan0 + Y * Stride;
    CloneP = Clone + Y * Stride;
    for (X = 0; X < Width; X++)
    {
        ValueB = *Pointer - *CloneP + 127 ;           //    混合
        *Pointer = Clamp(ValueB);
        Pointer++;
        CloneP++;
    }
}
free(Clone);

  高斯模糊是一种低通滤波器,执行后,图像中较为平坦的地方变化不大,而边缘部分被模糊了,如果用原图 - 高斯模糊则得到的则是强化的边缘值,高反差保留在PS的英文版中对应的单词是HighPass,即高通,也就是这个意思。

      我这里并不是想强调高反差保留的功能,虽然该算法也有着广泛的应用。 我这里就是想通过类似于原图 - 高斯模糊这样的过程来增强图像。

      很多图像都需要增强,特别是一些医学图像,由于拍摄的硬件或拍摄的场合不理想,得到的图像往往细节都被隐藏起来,因此,细节的增强显得尤为重要,而原图 - 高斯模糊正好是图像的细节部位的信息的一种表达,因此,如果在模糊图的基础上再加上这个细节, 则即减少了噪音,又保持了边缘等细节(边缘和噪音都属于高频部分的),能有效的增强图像的信息。  

      因此,如果用这样的方式来得到一副图像:

      增强图像 = 模糊图像 + Amount *(原始图像 - 高斯模糊图像)

      其中Amount控制增强的程度,则能起到一定的增强作用。 

         原图

                       Amount = 3

                      Amount = 6 

更好的一种方式则是采用双边滤波器来处理,即用双边滤波来代替上述高斯模糊的过程。

  比如用双边模糊,上述效果则更好,如下图所示。

            原图

                        Amount = 3

                       Amount = 6 

            原图

                        Amount = 3

                       Amount = 6 

            原图

                        Amount = 3

                       Amount = 6 

     不过广泛的测试表明:这个算法使用的范围似乎不广,对于很多图像效果过于明显。

     测试程序下载:链接

************作者: laviewpbt   时间: 2014.3.5   联系QQ:  33184777  转载请保留本行信息***************

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏AI科技评论

数据库领域即将迎来革命?Jeff Dean 带队用机器学习颠覆数据索引方法

AI 科技评论按:伴随着机器学习理论和技术的发展、以及机器学习作为一门学科有越来越多的人关注以及参与,机器学习的落地应用场景也越来越多、越来越多样化。这两年的热...

3225
来自专栏新智元

谷歌等祭出图像语义理解分割神器,PS再也不用专业设计师!

不不不,这不是“找不同”,是为了让你感受一下“像素级语义分割和理解”带来的修图效果:

762
来自专栏数据派THU

独家 | 手把手教随机森林

本文是数据派研究部“集成学习月”的第三篇文章,本月将陆续发布关于集中学习的话题内容,月末将有答题互动活动来赢奖,欢迎随时留言讨论相关话题。 随机森林-概述 当变...

2058
来自专栏机器之心

资源 | 百万级字符:清华大学提出中文自然文本数据集CTW

选自arXiv 作者:Tailing Yuan等 机器之心编译 参与:刘晓坤、李泽南 文字识别一直是图像处理领域中的重要任务。近日,清华大学与腾讯共同推出了中文...

3894
来自专栏大数据文摘

揭秘自编码器,一种捕捉数据最重要特征的神经网络(视频+代码)

1427
来自专栏本立2道生

伪随机数生成算法

伪随机数生成算法在计算机科学领域应用广泛,比如枪击游戏里子弹命中扰动、数据科学里对样本进行随机采样、密码设计、仿真领域等等,背后都会用到伪随机数生成算法。

742
来自专栏ATYUN订阅号

Python机器学习的练习一:简单线性回归

检查数据 在练习的第一部分,我们的任务是利用简单的线性回归去预测食品交易的利润。假设你是一个餐厅的CEO,最近考虑在其他城市开一家新的分店。连锁店已经在各个城市...

3476
来自专栏PPV课数据科学社区

【学习】用Excel进行回归分析

在日常数据分析工作当中,回归分析是应用十分广泛的一种数据分析方法,按照涉及自变量的多少,可分为一元回归分析和多元回归分析;按照自变量和因变量之间的关系类型,可分...

2365
来自专栏前沿技墅

揭开计算机识别人类语言的神秘面纱——词向量

1113
来自专栏北京马哥教育

带你入门Python数据挖掘与机器学习(附代码、实例)

转载声明:本文转载自「数据派THU」,搜索「DatapiTHU」即可关注。 作者:韦玮 来源:Python爱好者社区 本文共7800字,建议阅读10+分钟。 ...

3756

扫码关注云+社区