opencv提高彩色图片对比度C++实现

要提高彩色图像的对比度，可以使用OpenCV中的convertScaleAbs函数来进行线性变换。通过调整亮度和对比度参数，你可以增强图像的对比度。

下面是一个使用C++实现的示例代码：

#include <opencv2/opencv.hpp>

int main() {
    cv::Mat image = cv::imread("image.jpg");

    double alpha = 1.5; // 对比度增益
    int beta = 0; // 亮度增益

    cv::Mat result;
    image.convertTo(result, -1, alpha, beta);

    cv::imshow("Original Image", image);
    cv::imshow("High Contrast Image", result);
    cv::waitKey(0);

    return 0;
}

在上述代码中，我们使用convertTo函数将原始图像进行线性变换。通过调整alpha值来控制对比度的增益，beta值来控制亮度的增益。请确保将"image.jpg"替换为你要处理的图像文件路径。运行该代码后，你将看到对比度增强后的图像显示在窗口中。

相关问题

opencv 对彩色图片进行LSC c++代码

以下是使用OpenCV对彩色图像进行LSC的C++代码示例：

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

using namespace cv;
using namespace std;

int main() {
    // 加载彩色图像
    Mat src = imread("input.jpg");
    if (src.empty()) {
        cerr << "Failed to load input image!" << endl;
        return -1;
    }

    // 将彩色图像转换为灰度图像
    Mat gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);

    // 计算灰度图像的直方图
    Mat hist;
    int histSize = 256;
    float range[] = {0, 256};
    const float *ranges[] = {range};
    calcHist(&gray, 1, 0, Mat(), hist, 1, &histSize, ranges);

    // 计算直方图的累积分布函数
    Mat cdf;
    hist.copyTo(cdf);
    for (int i = 1; i < histSize; ++i) {
        cdf.at<float>(i) += cdf.at<float>(i - 1);
    }
    cdf /= gray.total();

    // 计算LSC映射表
    Mat lut(1, histSize, CV_8U);
    float alpha = 255.0 / (gray.total() - cdf.at<float>(0));
    for (int i = 0; i < histSize; ++i) {
        lut.at<uchar>(i) = saturate_cast<uchar>(alpha * (cdf.at<float>(i) - cdf.at<float>(0)));
    }

    // 对彩色图像的三个通道分别进行LSC处理
    vector<Mat> bgr;
    split(src, bgr);
    for (int i = 0; i < 3; ++i) {
        LUT(bgr[i], lut, bgr[i]);
    }
    Mat dst;
    merge(bgr, dst);

    // 显示结果
    imshow("Input", src);
    imshow("Output", dst);
    waitKey(0);
    
    return 0;
}

需要注意的是，LSC是一种直方图均衡化方法，会增加图像的对比度和亮度，可能会导致图像失真。在实际应用中，需要根据具体情况选择合适的直方图均衡化方法。

opencv 对彩色图片进行镜头阴影矫正c++代码

以下是OpenCV对彩色图片进行镜头阴影矫正的C++代码：

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

using namespace std;
using namespace cv;

int main(int argc, char** argv)
{
    // 读取原始图像
    Mat src = imread("input.jpg");
    if (src.empty())
    {
        cout << "Could not open or find the image!\n";
        return -1;
    }

    // 将图像转换为Lab颜色空间
    Mat lab;
    cvtColor(src, lab, COLOR_BGR2Lab);

    // 均值漂移滤波
    Mat shift;
    pyrMeanShiftFiltering(lab, shift, 20, 45);

    // 分离通道
    vector<Mat> channels;
    split(shift, channels);

    // 对a通道应用CLAHE直方图均衡化
    Ptr<CLAHE> clahe = createCLAHE(2.0, Size(8, 8));
    clahe->apply(channels[1], channels[1]);

    // 合并通道
    Mat result;
    merge(channels, result);

    // 将结果转换回BGR颜色空间
    Mat dst;
    cvtColor(result, dst, COLOR_Lab2BGR);

    // 显示结果
    imshow("Input", src);
    imshow("Output", dst);
    waitKey(0);
    return 0;
}

这段代码的主要步骤如下：

1. 读取原始图像。

2. 将图像转换为Lab颜色空间，这种颜色空间对光照变化不敏感，适合进行镜头阴影矫正。

3. 对图像进行均值漂移滤波，可以去除噪声和细节，同时保留颜色信息。

4. 分离通道，对a通道应用CLAHE直方图均衡化，增强对比度。

5. 合并通道，将结果转换回BGR颜色空间。

6. 显示结果。

这段代码实现了一种简单的镜头阴影矫正方法，通过均值漂移滤波和CLAHE直方图均衡化处理，可以去除阴影和提高对比度，实现更好的图像效果。