opencv 饱和度矫正 c++代码

以下是使用 OpenCV 实现图像饱和度矫正的 C++ 代码示例：

#include <opencv2/opencv.hpp>

using namespace cv;
using namespace std;

int main()
{
    // 读取图像
    Mat image = imread("input.jpg");

    // 转换为 HSV 颜色空间
    Mat hsv;
    cvtColor(image, hsv, COLOR_BGR2HSV);

    // 分离 Hue、Saturation、Value 通道
    vector<Mat> channels;
    split(hsv, channels);
    Mat hue = channels[0];
    Mat saturation = channels[1];
    Mat value = channels[2];

    // 计算 Value 的直方图
    int histSize = 256;
    float range[] = { 0, 256 };
    const float* histRange = { range };
    bool uniform = true;
    bool accumulate = false;
    Mat valueHist;
    calcHist(&value, 1, 0, Mat(), valueHist, 1, &histSize, &histRange, uniform, accumulate);

    // 找到 Value 直方图的最大值和最小值
    double minValue, maxValue;
    minMaxLoc(valueHist, &minValue, &maxValue);

    // 计算饱和度增益
    float saturationGain = 1.0f / (1.0f - 0.5f * (1.0f - maxValue / 255.0f));

    // 应用饱和度增益
    saturation.convertTo(saturation, -1, saturationGain, 0);

    // 合并 Hue、Saturation、Value 通道
    merge(channels, hsv);

    // 转回 BGR 颜色空间
    Mat result;
    cvtColor(hsv, result, COLOR_HSV2BGR);

    // 显示结果
    imshow("input", image);
    imshow("output", result);
    waitKey();

    return 0;
}

以上代码首先读取图像，然后将其转换为 HSV 颜色空间，并分离出 Hue、Saturation、Value 三个通道。接着计算 Value 通道的直方图，并找到其最大值和最小值，从而计算出饱和度增益。最后将 Saturation 通道应用饱和度增益，合并三个通道，转回 BGR 颜色空间，并显示结果。