1、线性变换
线性变化是最好理解的，假设原图为srcimg , 变换后的图像为dstimg，则：
dstimg = a * srcimg +b
a为变换系数，如果a>1 ,则输出图像的对比度增大，当0<a<1则对比度有所减小，b值影响图像的亮度，当b>0时，图像亮度增加，b<0图像亮度减小；
cpp
void MainWindow::on_pushButton_clicked()
{
Mat srcImg = imread("D:\\1.jpg");
if(srcImg.empty())
{
QMessageBox::information(this,"警告","图片读取失败，请检查图片路径！");
return;
}
Mat imgShow ;
cvtColor(srcImg, imgShow, COLOR_BGR2RGB); // 图像格式转换
QImage qImg = QImage((unsigned char*)(imgShow.data), imgShow.cols,
imgShow.rows, imgShow.cols*imgShow.channels(), QImage::Format_RGB888);
ui->label->resize(qImg.width()/2 , qImg.height()/2);
ui->label->setPixmap(QPixmap::fromImage(qImg.scaled(ui->label->size(), Qt::KeepAspectRatio)));
}
void MainWindow::on_pushButton_3_clicked()
{
Mat srcImg = imread("D:\\1.jpg");
if(srcImg.empty())
{
QMessageBox::information(this,"警告","图片读取失败，请检查图片路径！");
return;
}
srcImg =0.8 *srcImg -10;
Mat imgShow ;
cvtColor(srcImg, imgShow, COLOR_BGR2RGB); // 图像格式转换
QImage qImg = QImage((unsigned char*)(imgShow.data), imgShow.cols,
imgShow.rows, imgShow.cols*imgShow.channels(), QImage::Format_RGB888);
ui->label_2->resize(qImg.width()/2 , qImg.height()/2);
ui->label_2->setPixmap(QPixmap::fromImage(qImg.scaled(ui->label_2->size(), Qt::KeepAspectRatio)));
}2、分段线性变换
分段性变换实在线性变换的基础上进行分段处理，分段是根据灰度值进行区分：
dstimg =0 if灰度值<50
dstimg = srcimg - 50 if 50<灰度值<150
dstimg = 0.1*srcimg if灰度值>150
cpp
void MainWindow::on_pushButton_4_clicked()
{
Mat srcImg = imread("D:\\1.jpg");
if(srcImg.empty())
{
QMessageBox::information(this,"警告","图片读取失败，请检查图片路径！");
return;
}
for(int i=0;i<srcImg.rows;++i)
{
uchar*ptr = srcImg.ptr<uchar>(i);
for(int j =0;j<srcImg.cols;++j)
{
for(int m=0;m<3;++m)
{
if(ptr[j*3+m]<50)
{
ptr[j*3+m] = 0;
}
else if(ptr[j*3+m]>150)
{
ptr[j*3+m] = ptr[j*3+m] - 50;
}
else
{
ptr[j*3+m] = 0.1*ptr[j*3+m];
}
}
}
}
Mat imgShow ;
cvtColor(srcImg, imgShow, COLOR_BGR2RGB); // 图像格式转换
QImage qImg = QImage((unsigned char*)(imgShow.data), imgShow.cols,
imgShow.rows, imgShow.cols*imgShow.channels(), QImage::Format_RGB888);
ui->label_2->resize(qImg.width()/2 , qImg.height()/2);
ui->label_2->setPixmap(QPixmap::fromImage(qImg.scaled(ui->label_2->size(), Qt::KeepAspectRatio)));
}3、伽马变换
伽马变换，就是对原图灰度值进行幂运算，比如2次方，3次方，0.5次方。。。
1、将原图归一化到【0,1】
2、开始幂运算
3、归一化到【0,255】
cpp
void MainWindow::on_pushButton_5_clicked()
{
Mat srcImg = imread("D:\\1.jpg",0);
if(srcImg.empty())
{
QMessageBox::information(this,"警告","图片读取失败，请检查图片路径！");
return;
}
//1、直接便利像素
for(int i=0;i<srcImg.rows;++i)
{
uchar*ptr = srcImg.ptr<uchar>(i);
for(int j =0;j<srcImg.cols;++j)
{
//归一化
double s = ptr[j]/255.0;
double t = pow(s,2);
//扩展到255
ptr[j] = 255*t;
}
}
//2、调用接口
//灰度归一化
// srcImg.convertTo(srcImg , CV_64F , 1.0/255);
// Mat dstImg;
// cv::pow(srcImg , 2,dstImg);
// dstImg.convertTo(srcImg , CV_8U , 255,0);
QImage qImg = QImage((unsigned char*)(srcImg.data), srcImg.cols,
srcImg.rows, srcImg.cols*srcImg.channels(), QImage::Format_Grayscale8);
ui->label_2->resize(qImg.width()/2 , qImg.height()/2);
ui->label_2->setPixmap(QPixmap::fromImage(qImg.scaled(ui->label_2->size(), Qt::KeepAspectRatio)));
}4、直方图正规化
假设图像 A 中灰度范围【50,100】 ， 将其灰度值按照特特定公式拉伸到图像B【0,255】或者任意其他值，比如【0,100】 ， 【100,200】 ， 这就叫直方图正规化
公式如下：a = (Bmax - Bmin)/(Amax - Amin) b = Bmin-aAmin;
dstimg = a srcimg +b;
opencv自带函数 normalize()
cpp
void MainWindow::on_pushButton_6_clicked()
{
Mat srcImg = imread("D:\\1.jpg",0);
if(srcImg.empty())
{
QMessageBox::information(this,"警告","图片读取失败，请检查图片路径！");
return;
}
normalize(srcImg , srcImg,255,150 , NORM_MINMAX);
QImage qImg = QImage((unsigned char*)(srcImg.data), srcImg.cols,
srcImg.rows, srcImg.cols*srcImg.channels(), QImage::Format_Grayscale8);
ui->label_2->resize(qImg.width()/2 , qImg.height()/2);
ui->label_2->setPixmap(QPixmap::fromImage(qImg.scaled(ui->label_2->size(), Qt::KeepAspectRatio)));
}
5、直方图均衡化
直方图均衡化本质就是平衡图像内的灰度值，避免灰度值扎堆，而将其分散
cpp
void MainWindow::on_pushButton_7_clicked()
{
Mat srcImg = imread("D:\\3.jpg",0);
if(srcImg.empty())
{
QMessageBox::information(this,"警告","图片读取失败，请检查图片路径！");
return;
}
//normalize(srcImg , srcImg,255,150 , NORM_MINMAX);
equalizeHist(srcImg , srcImg);
QImage qImg = QImage((unsigned char*)(srcImg.data), srcImg.cols,
srcImg.rows, srcImg.cols*srcImg.channels(), QImage::Format_Grayscale8);
ui->label_2->resize(qImg.width()/4 , qImg.height()/4);
ui->label_2->setPixmap(QPixmap::fromImage(qImg.scaled(ui->label_2->size(), Qt::KeepAspectRatio)));
}
6、局部自适应直方图均衡化
自适应直方图均衡化首先将图像划分成不重叠的区域块，然后对每一块分别进行直方图均衡化，在没有噪声影响的情况下，每一个区域的灰度直方图都会被限制在一个小的灰度级内，但是若要存在噪声，经过局部直方图均衡化后，噪声将会被放大，为了避免这种情况，提出了限制对比度，如果直方图的bin超过了预先设置的阈值，那么将会被裁掉，然后将裁掉的部分平均分给其他bin ， 这样就重构了直方图，避免噪声的影响
cpp
void MainWindow::on_pushButton_8_clicked()
{
Mat srcImg = imread("D:\\5.jpg",0);
if(srcImg.empty())
{
QMessageBox::information(this,"警告","图片读取失败，请检查图片路径！");
return;
}
//normalize(srcImg , srcImg,255,150 , NORM_MINMAX);
// equalizeHist(srcImg , srcImg);
Ptr<CLAHE> clahe = createCLAHE(2.0 , Size(8,8));
clahe->apply(srcImg , srcImg);
QImage qImg = QImage((unsigned char*)(srcImg.data), srcImg.cols,
srcImg.rows, srcImg.cols*srcImg.channels(), QImage::Format_Grayscale8);
ui->label_2->resize(qImg.width()/2 , qImg.height()/2);
ui->label_2->setPixmap(QPixmap::fromImage(qImg.scaled(ui->label_2->size(), Qt::KeepAspectRatio)));
}