C++数字图像处理（2）—分段线性拉伸_c++图片拉伸

1、算法原理

    分段线性拉伸算法是图像灰度变换中常用的算法，在商业图像编辑软件Photoshop中也有相应的功能。分段线性拉伸主要是用于提高图像对比度，突显图像细节。设输入图像为f(x)，输出图像为f'(x)，分段区间为[start end]映射区间为[sout eout]。分段线性拉伸示意图如下：

图（1）分段线性拉伸示意图

    从图（1）可以明显得到，分段线性拉伸算法需要明确4个参数start、end、sout以及eout。当这个四个参数均已知时，根据两点确定直线法，计算出直线L1、L2和L3的参数，分别为(K1、C1=0)、(K2、C2)和(K2、C2)。那么分段线性拉伸算法的公式如下：

    对于参数分段区间[start end]以及映射区间[sout eout]，有人工设定、基于直方图设定等办法。下面我们先实现核心算法功能，再实现参数半自动选取功能（基于直方图的分段线性拉伸）。

2、算法实现

    由于分段线性拉伸也是图像灰度变换的一种，所以，在这篇文章中同样使用查表的方式进行算法实现。灰度变换查表法实现

//函数名：dividedLinearStrength
//作用：实现分段线性拉伸
//参数：
//matInput：输入图像
//matOutput : 输出图像
//fStart : 分段区间起点
//fEnd ： 分段区间终点
//fSout：映射区间起点
//fEout：映射区间终点
//返回值：无
//注：支持单通道8位灰度图像
void dividedLinearStrength(cv::Mat& matInput, cv::Mat& matOutput, float fStart, float fEnd, 
	float fSout, float fEout)
{
	//计算直线参数
	//L1
	float fK1 = fSout / fStart;
	//L2
	float fK2 = (fEout - fSout) / (fEnd - fStart);
	float fC2 = fSout - fK2 * fStart;
	//L3
	float fK3 = (255.0f - fEout) / (255.0f - fEnd);
	float fC3 = 255.0f - fK3 * 255.0f;
 
	//建立查询表
	std::vector<unsigned char> loolUpTable(256);
	for (size_t m = 0; m < 256; m++)
	{
		if (m < fStart)
		{
			loolUpTable[m] = static_cast<unsigned char>(m * fK1);
		}
		else if (m > fEnd)
		{
			loolUpTable[m] = static_cast<unsigned char>(m * fK3 + fC3);
		}
		else
		{
			loolUpTable[m] = static_cast<unsigned char>(m * fK2 + fC2);
		}
	}
	//构造输出图像
	matOutput = cv::Mat::zeros(matInput.rows, matInput.cols, matInput.type());
	//灰度映射
	for (size_t r = 0; r < matInput.rows; r++)
	{
		unsigned char* pInput = matInput.data + r * matInput.step[0];
		unsigned char* pOutput = matOutput.data + r * matOutput.step[0];
		for (size_t c = 0; c < matInput.cols; c++)
		{
			//查表gamma变换
			pOutput[c] = loolUpTable[pInput[c]];
		}
	}
}

参数设置fstart = 72、fEnd = 200、fSout=5、fEout=240，调用函数如下：

int _tmain(int argc, _TCHAR* argv[])
{
	cv::Mat matSrc = cv::imread("../分段线性拉伸.jpg", cv::IMREAD_GRAYSCALE);
	cv::imshow("原始图", matSrc);
	cv::Mat matDLS;
	dividedLinearStrength(matSrc, matDLS, 72, 200, 5, 240);
	cv::imshow("分段线性拉伸", matDLS);
	cv::waitKey(0);
	return 0;
}

运行效果如下：

图（2）分段线性拉伸

3、基于直方图的分段线性拉伸

    基于直方图的分段线性拉伸算法主要改进在于，通过从直方图自动地计算出分段区间和映射区间四个参数。本质上，直方图是对图像像素进行排序的一个过程。根据分段线性拉伸的原理，对图像像素进行升序排序后，取高灰度等级NH个点对应的最小灰度作为fEnd，取低灰度等级NL个点对应的最大灰度等级作为fStart，fSout = fStart * Sigma, fEout = fEnd * (1+sigma)，sigma < 1。具体代码实现步骤为：

（1）、统计直方图。

（2）、计算分段区间和映射区间。为使参数与图像尺寸无关，使用比例的方法限定NH和NL。设图像尺寸为MXN，高灰度等级个数比例为fH、低灰度等级个数比例为fL。

（3）、分段线性拉伸。

具体代码实现如下：

//函数名：dlsBaseHistogram
//作用：基于直方图的分段线性拉伸
//参数：
//matInput：输入图像
//matOutput : 输出图像
//fH : 高灰度等级比例
//fL ： 低灰度等级比例
//fSigma：拉伸系数
//返回值：无
//注：支持单通道8位灰度图像
void dlsBaseHistogram(cv::Mat& matInput, cv::Mat& matOutput, float fH, float fL, float fSigma)
{
	//统计直方图
	std::vector<int> histogram(256);
	for (size_t r = 0; r < matInput.rows; r++)
	for (size_t c = 0; c < matInput.cols; c++)
	{
		histogram[matInput.at<unsigned char>(r, c)]++;
	}
 
	//计算分段区间
	int nNH = matInput.rows * matInput.cols * fH;
	int nNL = matInput.rows * matInput.cols * fL;
	int nACC = 0;
	float fStart = 0, fEnd = 0;
 
	for (size_t m = 255; m >= 0; m --)
	{
		nACC += histogram[m];
		if (nACC > nNH)
		{
			fEnd = m;
			break;
		}
	}
 
	nACC = 0;
	for (size_t m = 0; m < histogram.size(); m++)
	{
		nACC += histogram[m];
		if (nACC > nNL)
		{
			fStart = m;
			break;
		}
	}
 
	//计算映射区间
	float fSout = fStart * fSigma;
	float fEout = fEnd * (fSigma + 1.0f);
	fEout = fEout > 255.0f ? 254 : fEout;
 
	//分段线性拉伸
	dividedLinearStrength(matInput, matOutput, fStart, fEnd, fSout, fEout);
}