MSRCR opencv实现c++

MSRCR（多尺度反射率恢复）是一种图像增强算法，可以提高图像的对比度和清晰度。下面是使用OpenCV实现MSRCR算法的C代码示例：

#include <iostream>
#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

void MSRCR(Mat& src, Mat& dst, vector<double> sigma_list, vector<double> G, double beta, double alpha);

int main()
{
    // 读取原始图像
    Mat img = imread("lena.jpg", IMREAD_COLOR);
    if (img.empty())
    {
        cout << "Failed to read image!" << endl;
        return -1;
    }

    // 参数设置
    vector<double> sigma_list = { 15, 80, 250 };
    vector<double> G = { 5, 10, 2 };
    double beta = 46;
    double alpha = 125;

    // MSRCR增强
    Mat result;
    MSRCR(img, result, sigma_list, G, beta, alpha);

    // 显示结果
    imshow("Original", img);
    imshow("MSRCR", result);
    waitKey(0);

    return 0;
}

void MSRCR(Mat& src, Mat& dst, vector<double> sigma_list, vector<double> G, double beta, double alpha)
{
    // 灰度化
    Mat gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);

    // 归一化
    Mat img_float;
    gray.convertTo(img_float, CV_64F, 1.0 / 255.0);

    // 多尺度处理
    vector<Mat> scales(sigma_list.size());
    for (int i = 0; i < sigma_list.size(); i++)
    {
        double sigma = sigma_list[i];
        int ksize = 2 * (int)(sigma * 3) + 1;

        Mat blurred;
        GaussianBlur(img_float, blurred, Size(ksize, ksize), sigma);

        Mat detail = img_float - blurred;

        Mat scale;
        pow(blurred, G[i], scale);
        scale = scale * beta / pow(sigma, alpha);
        scales[i] = scale.mul(detail) + blurred;
    }

    // 合并
    dst = Mat::zeros(src.size(), src.type());
    for (int i = 0; i < scales.size(); i++)
    {
        Mat scale;
        scales[i].convertTo(scale, CV_8U, 255.0);
        dst += scale;
    }
    dst /= scales.size();
}

在上面的示例中，我们首先读取一张图像，然后设置MSRCR算法的参数。接下来，我们调用`MSRCR`函数对图像进行增强，最后显示增强后的图像。

`MSRCR`函数的实现过程如下：

1. 将原始图像灰度化并归一化到[0,1]范围内。
2. 对归一化后的图像进行多尺度处理，得到多个尺度的增强结果。具体来说，对于每个尺度，我们首先对图像进行高斯模糊，然后计算出模糊图像的幂次方，得到尺度权重。接着，我们将尺度权重乘以一个常数beta，并除以sigma的幂次方alpha，得到尺度增强系数。最后，我们将尺度增强系数乘以细节图像，再加上模糊图像，得到尺度增强结果。
3. 将多个尺度的增强结果合并，得到最终的增强结果。

注意，在上面的示例中，我们使用了`vector`来存储sigma和G的值。这是因为MSRCR算法中的尺度和幂次方参数不是固定的，可以根据具体情况进行调整。