OpenCv之查表法LUT

目录

一、LUT（查表法）基本概念

[1.1 原理](#1.1 原理)

[1.2. 函数参数与限制 (cv::LUT)](#1.2. 函数参数与限制 (cv::LUT))

二、核心应用场景

[2.1. 色彩校正与调色（滤镜）](#2.1. 色彩校正与调色（滤镜）)

[2.2. 图像增强（突现缺陷 / 特征）](#2.2. 图像增强（突现缺陷 / 特征）)

[2.3. 动态范围压缩（伪彩色成像）](#2.3. 动态范围压缩（伪彩色成像）)

[2.4. 实时二值化 / 阈值处理](#2.4. 实时二值化 / 阈值处理)

三、使用举例

3.1过曝光图片处理

3.2图片添加滤镜

---

一、LUT（查表法）基本概念

1.1 原理

它是一种空间映射机制。将原始的像素值（0~255）作为 "索引"，去查找一个预先定义好的 "表格"（数组），表格里存的是 "变换后的值"。

• 公式 ：dst[i] = lut[src[i]]
• 举例 （对应图中表格）：
  • 原图灰度值 100 → 查表找到位置 100，值为 1 → 输出 1。
  • 原图灰度值 102 → 查表找到位置 102，值为 1 → 输出 1。
  • 这实际上是把 0~255 的范围进行了降采样 / 分段（每 100 个值合并为 1 个大类）。

1.2. 函数参数与限制 (cv::LUT)

void cv::LUT(InputArray src, InputArray lut, OutputArray dst);

• src（输入） ：必须是 CV_8U 类型（即 0~255 的 8 位图像）。这是 LUT 的特性，它只能索引 0~255。
• lut（查找表） ：这是关键的映射规则。
  • 大小 ：必须是 256 个元素（对应 0~255 的索引）。
  • 通道 ：
    • 单通道 LUT ：1x256 或 256x1 的矩阵。无论输入图像是几通道，所有通道都共用这一个映射规则。
    • 多通道 LUT：输入是 3 通道 BGR 图时，LUT 可以是 3x256，分别对应 B、G、R 三个通道的独立映射。
• dst（输出） ：输出图像，尺寸和类型与输入 src 一致。
• lut 单 / 输入多通道 ：当 LUT 是单通道（1 个规则），输入如果是 3 通道图，3 个通道会被统一按这个规则映射。
• lut 多 / 各个通道与输入映射 ：当 LUT 是多通道（比如 3 通道），输入是 3 通道图时，B 通道用 LUT 的 B 通道映射，G 通道用 LUT 的 G 通道映射，独立控制。

二、核心应用场景

LUT 法在工业视觉和图像处理中极其常用，主要应用在以下 4 个场景：

2.1. 色彩校正与调色（滤镜）

• 场景：想要给图像添加复古风、胶片风，或者校正摄像头偏色。
• 原理：预制一套符合该风格的 LUT 表，对每张图直接套用，速度极快。
• 价值 ：效率极高 。OpenCV 内部是用 optimized 代码实现 LUT 的，执行效率远高于你手动写 for 循环遍历每一个像素。

2.2. 图像增强（突现缺陷 / 特征）

• 场景：工业检测中，背景和目标的灰度值相近，难以区分。
• 方法 ：
  • 对数变换：用于压缩高亮度范围（比如处理过曝的图像）。
  • 幂次变换 (Gamma)：用于提亮暗部细节。
  • 分段线性变换 ：比如将某一段很窄的灰度范围拉伸到 0~255，精准提取缺陷区域。

2.3. 动态范围压缩（伪彩色成像）

• 场景：医学影像（X 光、CT）或者红外热成像。这些图像灰度级很少变化，人眼看不清。
• 方法：建立 LUT，将原始的 100 个不同灰度值，映射成 100 种不同的鲜艳颜色（伪彩色），从而让人眼轻松看出差异。

2.4. 实时二值化 / 阈值处理

• 场景：Otsu 二值化后的结果如果不满意，可以手动调整阈值，并把调整后的规则存入 LUT 直接复用。
• 优势：一次计算阈值，后续所有图像毫秒级处理，适合在 Qt 上位机中通过滑动条（Slider）实时调参。

三、使用举例

3.1过曝光图片处理

通过对数或幂变化进行过曝光图片增强处理。

void createOverexposedImg(const std::string& inputPath, Mat& overexposed, int brightnessGain = 100) {
	Mat img = imread(inputPath);
	if (img.empty()) { printf("图片读取失败！\n"); return; }

	Mat imgHsv;
	cvtColor(img, imgHsv, COLOR_BGR2HSV);
	// 提亮亮度通道（V）并截断到255，模拟过曝
	for (int i = 0; i < imgHsv.rows; i++) {
		for (int j = 0; j < imgHsv.cols; j++) {
			imgHsv.at<Vec3b>(i, j)[2] = saturate_cast<uchar>(imgHsv.at<Vec3b>(i, j)[2] + brightnessGain);
		}
	}
	cvtColor(imgHsv, overexposed, COLOR_HSV2BGR);
}
// 构建对数变换的LUT对数变换公式：s = c * log(1 + r)，归一化到0~255
void createLogLUT(Mat& lut, double c = 1.0) {
	lut.create(1, 256, CV_8U);
	uchar* p = lut.data;
	// 
	for (int i = 0; i < 256; i++) {
		double logVal = c * log(1 + i);
		// 归一化：把log结果映射回0~255
		double normalized = (logVal / log(256)) * 255;
		p[i] = saturate_cast<uchar>(normalized);
	}
}

// 构建伽马校正的LUT（γ<1 压缩高光，适合过曝图）伽马变换公式：s = 255 * (r/255)^γ
void createGammaLUT(Mat& lut, double gamma = 0.5) {
	lut.create(1, 256, CV_8U);
	uchar* p = lut.data;
	
	for (int i = 0; i < 256; i++) {
		double normalized = (double)i / 255.0;
		double gammaVal = pow(normalized, gamma);
		p[i] = saturate_cast<uchar>(gammaVal * 255);
	}
}

int testLUT() {
	
	
	Mat ColorMat;
	createOverexposedImg(R"(D:\Study\OpenCvStudy\lean.jpg)", ColorMat,150);
	if (ColorMat.empty()) {
		cout << "过曝图读取失败！" << endl;
		return -1;
	}
	// 构建LUT
	Mat logLUT, gammaLUT;
	createLogLUT(logLUT, 1.0);       // c=45 调节对数变换强度
	createGammaLUT(gammaLUT, 0.6);  // γ=0.6 压缩高光、提亮暗部

	// 应用LUT（支持彩色图，自动对所有通道生效）
	Mat logResult, gammaResult;
	LUT(ColorMat, logLUT, logResult);
	LUT(ColorMat, gammaLUT, gammaResult);

	// 显示对比结果
	imshow("0. 原始过曝图", ColorMat);
	imshow("1. 对数变换修复（LUT）", logResult);
	imshow("2. 伽马校正修复（LUT）", gammaResult);
	waitKey(0);
	destroyAllWindows();
	return 0;
}

3.2图片添加滤镜

复古滤镜（经典黄调 + 低饱和）

效果原理

• 蓝色通道（B）：压低亮度（旧照片偏黄）；
• 绿色通道（G）：适度提亮（保留细节）；
• 红色通道（R）：轻微提亮（暖调）；
• 整体降低高亮度区间的对比度，模拟胶片质感。

void createRetroLUT(Mat & lut) {
	lut.create(256, 1, CV_8UC3); // 256个像素值，3通道（B/G/R）
	for (int i = 0; i < 256; i++) {
		// 蓝色通道：压低亮度（i*0.8），模拟旧照片黄调
		uchar b = saturate_cast<uchar>(i * 0.8);
		// 绿色通道：适度提亮（i*1.1）
		uchar g = saturate_cast<uchar>(i * 1.1);
		// 红色通道：轻微提亮（i*1.05）
		uchar r = saturate_cast<uchar>(i * 1.05);
		// 赋值到LUT（OpenCV是BGR顺序）
		lut.at<Vec3b>(i, 0) = Vec3b(b, g, r);
	}
}

int testLUT2()
{
	Mat img = imread(R"(D:\Study\OpenCvStudy\lean.jpg)");
	if (img.empty()) {
		printf("图片读取失败！\n");
		return -1;
	}

	// 2. 构建复古滤镜LUT
	Mat retroLUT;
	createRetroLUT(retroLUT);

	// 3. 应用LUT
	Mat retroImg;
	LUT(img, retroLUT, retroImg);

	// 4. 显示对比
	imshow("原图", img);
	imshow("复古滤镜效果", retroImg);
	waitKey(0);
	destroyAllWindows();
	return 0;
}