灰度图像的非线性变换对数变换伽马变换

本质上，都是对灰度图像的一种图像增强，只不过侧重点不同

原始图像灰度值按照DB = DA*DA/255进行非线性变换

效果同y>1的伽马困备变换，整体图像均变黑

DB = c * log(1+DA) 其中c为比较常数

灰度值较暗区域亮度樱尺扰增强，对数变换可以增强图像的暗部细节

应用：对夜景照片进行图像增强，增强暗部细节

又称为指数变换或幂次变换

DB = c * DA ** y 其中

y<1时，脊旦会拉伸图像中的灰度较低的区域，压缩灰度较高的部分

应用：同对数变换

y>1时，会拉伸图像中的灰度较高的区域，压缩灰度较低的部分

应用：用于相机过爆情况下图像的增强效果

对比度增强或者称为对比度拉伸就是图像增强技术的一种，它主要解决由于图像的灰度级范围较小造成的对比度较低的问题，目的就是将输出图像的灰度级放大到指定的程度，使得图像中的细节看起来更加清晰。对比 度增强有几种常用的方法，如线性变换、分段线性变换、伽马变换、直方图正规化、直方图均衡化、局部自适应直方图均衡化等。

灰度直方图是图像灰度级的函数， 用来描述每个灰度级在图像矩阵中的像素个数或者占有率（概率）。

OpenCV提供了函数 calcHist 来实现直方图的构建，但是在计算8位图的灰度直方图 时，它使用起来略显复杂。下面是OpenCV源码

可以定义函数 calcGrayHist 来计算灰度直方图，其中输入参数为8位图，将返回的灰度直方图存储为一个1行256列的 Mat 类型。

图像对比度是通过灰度级范围来度量的，而灰度级范围可通过观察灰度直方图得到，灰度级范围越大代表对比度越高；反之，对比度越低，低对比度的图像在视觉上给人的感觉是看起来不够清晰，所以通过算法调整图像的灰度值，从而调整图像的对比度是有必要的。最简单的一种对比度增强方法是通过灰度值的线性变换来实现的。

当a=1，b=0时，O为I的一个副本；如果a>1，则输出图像O的对 比度比I 有所增大；如果0<a<1，则O的对比度比I有所减小。而b值的改变，影响的是输出图像的亮度，当b>0时，亮度增加；当b<0时，亮度减小。

在OpenCV中实现一个常数与矩阵相乘有多种方式桥腔。

1、convertTo

注：当输出矩阵的数据类型是 CV_8U 时， 大于255的值会自动截断为255

2、矩阵乘法运算

使用乘法运算符“*”， 无论常数是什么数据类型， 输出矩阵的数据类型总是和输入矩阵的数据类型相同，当数据类型是 CV_8U 时，在返回值中将大于255的值自动截断为255。

3、convertScaleAbs

直方图正规化是一种自动选取a和b的值的线性变换方法。

利用 minMaxLoc 函数不仅可以计算出矩阵中的最大值和最小值， 而且可以求出最大 值的位置和最小值的位置。 当然，

在使用过程中如果只想得到最大值和最小值， 则将其 他的变量值设为 NULL 即可。

OpenCV提供的函数： normalize()

使用函数 normalize 对图像进行对比度增强时， 经常令参数码腔 norm_type=NORM_MINMAX ， 和直方图正规化原理详解中提到的计算方法是相同的， 参数 alpha 相当于 Omax ， 参数 beta 相当于 Omin 。 注意， 使用 normalize 可以处理多通道矩阵， 分别对每一敏模衫个通道进行正规化 *** 作。

非线性变换 。

假设输入图像为I，宽为W、 高为H，首先将其灰度值归一化到[0，1]范围，对于8位 图来说，除以255即可。 I （r， c） 代表归一化后的第r行第c列的灰度值， 输出图像记为 O， 伽马变换就是令 O（r， c） =I（r， c） γ ， 0≤r<H， 0≤c<W，

当γ=1时， 图像不变。 如果图像整体或者感兴趣区域较暗， 则令0<γ<1可以 增加图像对比度； 相反， 如果图像整体或者感兴趣区域较亮， 则令γ>1可以降低图像对比度。

伽马变换在提升对比度上有比较好的效果， 但是需要手动调节γ值。

全局直方图均衡化 *** 作是对图像I进行改变， 使得输出图像O的灰度直方图 hist O 是“平”的， 即每一个灰度级的像素点个数是“相等”的。 注意，其实这里的“相等”不是严格意义上的等于， 而是约等于，

上述分别为I和O的累加直方图

总结，对于直方图均衡化的实现主要分四个步骤：

OpenCV实现的直方图均衡化函数 equalize-Hist ， 其使用方法很简单， 只支持对 8位图 的处理。

虽然全局直方图均衡化方法对提高对比度很有效，但是均衡化处理以后暗区域的噪声可能会被放大，变得清晰可 见，而亮区域可能会损失信息。为了解决该问题， 提出了自适应直方图均衡化（Aptive Histogram Equalization） 方法。

自适应直方图均衡化首先将图像划分为不重叠的区域块（tiles） ，然后对每一个块分别进行直方图均衡化。 显然， 在没有噪声影响的情况下， 每一个小区域的灰度直方图会被限制在一个小的灰度级范围内； 但是如果有噪声， 每一个分割的区域块执行直方图均衡化后， 噪声会被放大。为了避免出现噪声这种情况， 提出了“限制对比度”（Contrast Limiting） [3]，如果直方图的bin超过了提前预设好的“限制对比度”， 那么会被裁减， 然 后将裁剪的部分均匀分布到其他的bin， 这样就重构了直方图。

OpenCV提供的函数 createCLAHE 构建指向 CLAHE 对象的指针， 其中默认设置“限制 对比度”为40，块的大小为8×8。

热门频道

首页

博客

研修院

VIP

APP

问答

下载

社区

推荐频道

活动

招聘

专题

打开CSDN APP

Copyright © 1999-2020, CSDN.NET, All Rights Reserved

音视频

打开APP

视频通信系统 原创

2021-12-30 15:44:29

1点赞

lumos鱼小小

码龄2年

关注

一、作业分析

作业目的：增强特色模块、 联合各模块形成一个系统，完成完整的实验报告（可以直接包含分报告内容）。

实现思路：在前面的作业中，我实现了

①播放YUV文件

②视频处理mp4文件，对视频文件进行人脸识别

③实时采集视频文件为mp4格式

④对视频文件进行编码，解码，即将yuv文件和h264文件纳庆瞎差滑进行相互转换

⑤用rtp协议发送并接收视频文件，实现视频传输。

在本次作业中，将增强特色模块视频处理，将人脸识别和伽马变换结合起来，使视频中人脸被识别的同时改变视频的明暗对比度。并将各模块分别封装成一个函数，在主程序中逐个调用，形成一个系统。过程将在两个vs文件中完成，一个文件负责发送部分，一个文件负责接收部分。在发送部分，我将其分为主要视频采集，视频处理，视频编码，视频发送几个部分。在接收部分，我将其主要分为视频接收，视频解码，视频播放几个部分。在每一部分，将之前作业中实现的功能的单独的模块进行封装，并在此基础上增加一些模块使其可以构成一个完洞空整的系统。

实现环境：ffmpeg,SDL,opencv

二、原理

2.1.视频采集

视频采集（Video Capture）把模拟视频转换成数字视频，并按数字视频文件的格式保存下来。所谓视频采集就是将模拟摄像机、录像机、LD视盘机、电视机输出的视频信号，通过专用的模拟、数字转换设备，转换为二进制数字信息的过程。

cv::VideoWriter::VideoWriter( const String &filename,int apiPreference,int fourcc,double fps,Size frameSize,bool isColor = true )

2.2.视频处理

2.2.1伽马变换进行图像增强

基于幂次变换的Gamma校正[3]是图像处理中一种非常重要的非线性变换，通常Gamma校正长应用于拓展暗调的细节。伽马变

---