山东大学数字图像处理实验（二）

文章目录

• 前言
• 对比度和亮度调整实验
  *
• 实验过程中遇到和解决的问题
• 结果分析与体会
• 背景相减实验
  *
• 实验过程中遇到和解决的问题
• 结果分析与体会
• 遇到的知识点
  *
  –
  • at函数
  • 常见类型Vec3b
  • point
  • saturate_cast
  • Mat::zeros
  • createTrackbar

前言

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:8c80f96a-5a33-44e6-a154-6056890bac9e

* 源码地址在文末

对比度和亮度调整实验

实验过程中遇到和解决的问题

• 问题一
• 问题：只知道使用 sigmoid 函数，不知道使用一个什么样的 sigmoid 函数比较合适
• 解决：上网搜寻，了解到对比度和亮度的一般调节公式为：在进行对比度调整时，会在像素值前面增加一个与其相乘的系数。在亮度调整时，会使用一个变量与像素值相加减
• 问题二：
• 问题：只考虑了 sigmoid 函数的变化趋势，而没有考虑到具体的值，函数值只在[-5,5]内有明显变化
• 解决：在像素变换公式上进行调整
  • 原始公式为

int t = source_image.at(y, x)[c];
transformed_image.at(y, x)[c] = saturate_cast(t * ((contrast_value*0.1 / (1.00 + exp(-t))) + 1));

+ 调整后公式为

double t = ((source_image.at(y, x)[c] - 127) / 255.00) * contrast_value * 0.1;//[-10, 10]
transformed_image.at(y, x)[c] = saturate_cast(source_image.at(y, x)[c] * ((1.00 / (1.00 + exp(-t))) + 0.3) + bright_value - 100);

+ -127是为了让结果有正有负，这样像素小的会导致 1 + e − t 1+e^{-t}1 +e −t 更大，对比度调整之后，像素值更小。反之，像素值大的调整的程度不像像素值小的那样剧烈，因此会导致他们之间的像素差更大，因此对比度得到调整
+ /255 是为了限制 t t t 的范围，使其尽量在幂函数变化范围较明显的区域变动
+ contrast_value 就是滑动条需要改变的值，用于进行对比度调整
+ 1 1 + e − t + 0.3 \frac{1}{1+e^{-t}} + 0.3 1 +e −t 1 ​+0.3 ，加了一个系数是因为，如果不加系数的话，只调整对比度会导致变换后的像素值永远小于原像素值，这不是我们想要的。另一个原因是，这个可以平衡一下 t t t 的作用，不让 t t t 的影响程度这么大。（加的数值大小可以自行控制）
+ bright_value 比较好理解，就是单纯对像素值进行调整，用于亮度调整

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:fe02ce56-84ac-4ec4-ae4c-89db2eca6e5b

结果分析与体会

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:1ce1a2d7-0b31-4a6a-8e34-d49cf72b5e98

• 使用sigmoid函数难以得到原图
  [TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:08fcb090-df1f-4698-baf1-ca2e3a7451cc
  [En]

  [TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:fcf865e2-3f2b-4170-b52d-26b3e285a34b

  

; 背景相减实验

实验过程中遇到和解决的问题

• 问题一
• 问题：两张图像对应位置像素相减得到图片效果很差

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:85aa624c-e179-443f-b4f3-854687b9208e

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:0f241aca-38b2-464e-b0e9-d58a42e13a90

– 解决：寻找更好的解决方案，使用中值滤波去除噪声点。通过将两张图片每个像素点的三个通道的差值平方求和得到sum，然后再对sum开方。手动设定一个阈值，当sum大于这个阈值时，该像素点的三通道都设为255（白色），否则设为0（黑色）。结果发现，阈值去75—100效果最好 ， 最终选定阈值为90

; 结果分析与体会

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:b0413385-8c83-4887-a3be-3263ae0a63cb

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:502f17f5-a46c-4f83-a413-95dc402bb5cb

* 背景相减实验阈值选为90时得到的结果。轮廓清晰，达到预期效果

遇到的知识点

at函数

• 对于单通道图像”picture1″，picture1.at(i,j)就表示在第i行第j列的像素值。
• 对于多通道图像如RGB图像”picture2″，可以用picture2.at(i,j)[c]来表示某个通道中在(i,j)位置的像素值。

常见类型Vec3b

Vec3b可以看作是vector

由于在OpenCV中，使用imread读取到的Mat图像数据，都是用uchar类型的数据存储，对于RGB三通道的图像，每个点的数据都是一个Vec3b类型的数据。使用at定位方法如下：

img.at(row, col)[0] = 255;　　// 这是指修改B通道数据
img.at(row, col)[1] = 255;　　// 这是指修改G通道数据
img.at(row, col)[2] = 255;　　// 这是指修改R通道数据

point

srcImage.at(j, i) //表示的是  j 行 i 列 的这个像素
srcImage.at(Point(j, i)) //表示的是 坐标（j,i）的像素

saturate_cast

• saturate_cast主要是为了防止颜色溢出操作
• 在图像处理方面，无论是加是减，乘除，都会超出一个像素灰度值的范围（0～255），saturate_cast函数的作用即是：当运算完之后，结果为负，则转为0，结果超出255，则为255。

Mat::zeros

[TencentCloudSDKException] code:FailedOperation.ServiceIsolate message:service is stopped due to arrears, please recharge your account in Tencent Cloud requestId:ed8285d0-a2e9-469f-9230-b12bbd65af09

Mat m = Mat::zeros(2, 2, CV_8UC3);//直接指明size和类型

transformed_image = Mat::zeros(source_image.size(), source_image.type());//创建一个和source_image一样类型的图

createTrackbar

创建滑动条

• 回调函数与createTrackbar配合使用

CV_EXPORTS int createTrackbar(const String& trackbarname,
                              const String& winname,
                              int* value,
                              int count,
                              TrackbarCallback onChange = 0，
                              void* userdata = 0);

• 滑动条名字
• 滑动条所在窗口名字
• 用来设置滑块的初始值，同时记录滑块以后的位置（用户改变了滑块的位置，因此value值会改变）
• 轨迹的最大值，滑块可以滑动的范围是[0 , count]
• 回调函数
• 默认0，用户传给回调函数的数据，如果第三个值为全局变量，忽略这个值

namedWindow("Transformed Window", WINDOW_AUTOSIZE);
createTrackbar("contrast", "Transformed Window", &contrast_value, 200, ContrastAndBright , 0);
createTrackbar("bright", "Transformed Window", &bright_value, 200, ContrastAndBright , 0);

static void ContrastAndBright(int pos , void* userdata) {
    //value传值给pos ， createTrackbar的第六个参数传递给userdata
    for (int y = 0; y < source_image.rows; y++)
        for (int x = 0; x < source_image.cols; x++)
            for (int c = 0; c < 3; c++){
                double t = ((source_image.at(y, x)[c] - 127) / 225.00) * contrast_value * 0.1;
                transformed_image.at(y, x)[c] = saturate_cast(source_image.at(y, x)[c] * ((1.00 / (1.00 + exp(-t))) + 0.3) + bright_value - 100);
            }
    imshow("Display Window", source_image);
    imshow("Transformed Window", transformed_image);
}

源码地址：Computer-Vision/实验一/源码 at main · SDU-NSY/Computer-Vision (github.com)

Original: https://blog.csdn.net/qq_52852138/article/details/127038134
Author: 长命百岁️
Title: 山东大学数字图像处理实验（二）