前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >OpenCV图像处理专栏七 | 《Contrast image correction method》 论文阅读及代码实现

OpenCV图像处理专栏七 | 《Contrast image correction method》 论文阅读及代码实现

作者头像
BBuf
发布2019-12-24 12:05:51
1.3K0
发布2019-12-24 12:05:51
举报
文章被收录于专栏:GiantPandaCVGiantPandaCV

前言

这是OpenCV图像处理专栏的第七篇文章,这篇文章是在之前的推文 OpenCV图像处理专栏二 |《Local Color Correction 》论文阅读及C++复现基础上进行了改进,仍然针对数字图像的光照不均衡现象进行校正。

算法原理

首先在《Local Color Correction》中有指数部分为,具体去看上篇文章,这篇论文优化了2个地方:

  • 第一,高斯模糊的mask使用双边滤波来代替,因为双边滤波的保边特性,可以更好的保持边缘信息。
  • 第二,常数2使用来代替,并且是和图像内容相关的,当图像的整体平均值小于128时,使用:计算,当平均值大于128时,使用,意思就是说对于低对比度的图像,应该需要比较强的矫正幅度,所以应该偏大,反之对于高对比度的图像,只需要较弱的校正幅度。
  • 但是这里有个trick,就是说对于第二条,实际上存在很大的问题,比如对于我们下面测试的原图,由于他上半部分为天空,下半部分比较暗,且基本各占一般,因此其平均值非常靠近128,因此计算出的α也非常接近1,这样如果按照改进后的算法进行处理,则基本上图像无什么变化,显然这是不符合实际的需求的,因此,个人认为作者这一改进是不合理的,还不如对所有的图像该值都取2,靠mask值来修正对比度,我实现的代码也是取了2。

算法实现

接下来我们实现算法需要对RGB图像进行处理,我们可以像我之前那篇推文那样对RGB通道分别处理,但是可能会存在色偏,所以可以在YUV或者CIELAB等等空间只对亮度的通道进行处理,最后再转回RGB,并且作者提出在对Y分量做处理后,再转换到RGB空间,图像会出现饱和度一定程度丢失的现象,看上去图像似乎色彩不足。所以论文提出了一个修正的公式为:

代码实现

代码语言:javascript
复制
Mat ContrastImageCorrection(Mat src){
    int rows = src.rows;
    int cols = src.cols;
    Mat yuvImg;
    cvtColor(src, yuvImg, CV_BGR2YUV_I420);
    vector <Mat> mv;
    split(yuvImg, mv);
    Mat OldY = mv[0].clone();
//    for(int i = 0; i < rows; i++){
//        for(int j = 0; j < cols; j++){
//            mv[0].at<uchar>(i, j) = 255 - mv[0].at<uchar>(i, j);
//        }
//    }
    Mat temp;
    bilateralFilter(mv[0], temp, 9, 50, 50);
    //GaussianBlur(mv[0], temp, Size(41, 41), BORDER_DEFAULT);
    for(int i = 0; i < rows; i++){
        for(int j = 0; j < cols; j++){
            float Exp = pow(2, (128 - (255 - temp.at<uchar>(i, j))) / 128.0);
            int value = int(255 * pow(OldY.at<uchar>(i, j) / 255.0, Exp));
            temp.at<uchar>(i, j) = value;
        }
    }
    Mat dst(rows, cols, CV_8UC3);
//    mv[0] = temp;
//    merge(mv, dst);
//    cvtColor(dst, dst, CV_YUV2BGRA_I420);
    for(int i = 0; i < rows; i++){
        for(int j = 0; j < cols; j++) {
            if (OldY.at<uchar>(i, j) == 0) {
                for (int k = 0; k < 3; k++) dst.at<Vec3b>(i, j)[k] = 0;
            } else {
                //channel B
                dst.at<Vec3b>(i, j)[0] =
                        (temp.at<uchar>(i, j)  * (src.at<Vec3b>(i, j)[0] + OldY.at<uchar>(i, j)) / OldY.at<uchar>(i, j) +
                         src.at<Vec3b>(i, j)[0] - OldY.at<uchar>(i, j)) >> 1;
                //channel G
                dst.at<Vec3b>(i, j)[1] =
                        (temp.at<uchar>(i, j)  * (src.at<Vec3b>(i, j)[1] + OldY.at<uchar>(i, j)) / OldY.at<uchar>(i, j) +
                         src.at<Vec3b>(i, j)[1] - OldY.at<uchar>(i, j)) >> 1;
                //channel R
                dst.at<Vec3b>(i, j)[2] =
                        (temp.at<uchar>(i, j) * (src.at<Vec3b>(i, j)[2] + OldY.at<uchar>(i, j)) / OldY.at<uchar>(i, j) +
                         src.at<Vec3b>(i, j)[2] - OldY.at<uchar>(i, j)) >> 1;
            }
        }
    }
//    for(int i = 0; i < rows; i++){
//        for(int j = 0; j < cols; j++){
//            for(int k = 0; k < 3; k++){
//                if(dst.at<Vec3b>(i, j)[k] < 0){
//                    dst.at<Vec3b>(i, j)[k] = 0;
//                }else if(dst.at<Vec3b>(i, j)[k] > 255){
//                    dst.at<Vec3b>(i, j)[k] = 255;
//                }
//            }
//        }
//    }
    return dst;
}

int main(){
    Mat src = imread(../1.jpg");
    Rect rect(0, 0, (src.cols-1)/2*2, (src.rows-1)/2*2); //保证长宽都是偶数
    Mat newsrc = src(rect);
    Mat dst = ContrastImageCorrection(newsrc);
    imshow("origin", newsrc);
    imshow("result", dst);
    waitKey(0);
    return 0;
}

效果

原图

YUV直接转回RGB

使用作者的修正公式

附录

论文原文:https://www.researchgate.net/publication/220051147_Contrast_image_correction_method

后记

今天就讲到这里了,希望《Contrast image correction method》 这篇论文可以帮助到大家。

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-12-15,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 GiantPandaCV 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 前言
  • 算法原理
  • 算法实现
  • 代码实现
  • 效果
  • 附录
  • 后记
相关产品与服务
图像处理
图像处理基于腾讯云深度学习等人工智能技术,提供综合性的图像优化处理服务,包括图像质量评估、图像清晰度增强、图像智能裁剪等。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档