C#opencvsharp提高图片清晰度

### 使用 C# 和 OpenCvSharp 提高图像清晰度的技术方案

#### 1. 全局直方图均衡化
全局直方图均衡化是一种简单的图像增强技术，可以有效提升图像的整体对比度。这种方法适用于整体对比度较低的图像。

using OpenCvSharp;

Mat src = Cv2.ImRead("input.jpg", ImreadModes.Grayscale);
Mat dst = new Mat();
Cv2.EqualizeHist(src, dst);
Cv2.ImWrite("output_equalized_hist.jpg", dst);

此代码实现了全局直方图均衡化[^4]。

#### 2. 自适应直方图均衡化 (CLAHE)
局部自适应直方图均衡化（CLAHE）克服了全局直方图均衡化的局限性，特别适合于复杂光照条件下的图像。CLACHE 可以更好地保留图像中的细节并防止过度增强。

using OpenCvSharp;

Mat src = Cv2.ImRead("input.jpg", ImreadModes.Grayscale);
Mat dst = new Mat();

// 创建 CLAHE 对象
CLAHE clahe = Cv2.CreateCLAHE(clipLimit: 2.0, tileGridSize: new Size(8, 8));
clahe.Apply(src, dst);

Cv2.ImWrite("output_clahe.jpg", dst);

这段代码展示了如何应用 CLAHE 进行图像增强[^3]。

#### 3. 结合 Diffusion-Low-Light 算法进行低光图像增强
对于低光环境拍摄的照片，Diffusion-Low-Light 算法可以帮助改善亮度和色彩表现力。

using OpenCvSharp;
using System.IO;

string inputImagePath = "low_light_image.jpg";
string outputImagePath = "enhanced_low_light_image.jpg";

// 加载预训练模型和其他必要的资源文件路径配置...
var modelPath = Path.Combine(Directory.GetCurrentDirectory(), "diffusion_model.onnx");

Dnn.Net net = Dnn.ReadNetFromONNX(modelPath);
net.SetInput(Cv2.Dnn.BlobFromImage(Cv2.ImRead(inputImagePath), scalefactor: 1.0 / 255));

Mat resultBlob = net.Forward();
resultBlob.CopyTo(dst);

Cv2.ImWrite(outputImagePath, dst);

请注意，在实际部署前需准备好相应的 ONNX 模型文件以及调整参数设置来获得最佳效果[^1]。

#### 4. 超分辨率重建
利用 OpenCvSharp 的 `DnnSuperres` 模块可以从模糊或低分辨率图像中恢复更精细的信息。

using OpenCvSharp;
using OpenCvSharp.Dnn.SuperRes;

public static void SuperResolution(string imagePath)
{
    var sr = Dnn_SuperRes_DnnSuperResImpl_Create();
    
    string protoTxtFile = @"path_to_prototxt_file.prototxt"; // 替换成自己的 prototxt 文件位置
    string modelWeightsFile = @"path_to_caffemodel_weights.caffemodel"; // 替换成自己的 caffemodel 权重文件位置
    
    sr.ReadModel(protoTxtFile, modelWeightsFile);
    sr.SetAlgorithm(SuperRes_Algorithm_ESPCN); // 或者选择其他算法 ESPCN/SRCNN/FSRCNN/EDSR/LapSRN
    sr.SetScale(2f);                          // 设置放大倍数

    Mat img = Cv2.ImRead(imagePath);
    Mat upscaledImg = sr.UpSample(img);

    Cv2.ImShow("Original Image", img);
    Cv2.WaitKey(0);
    Cv2.DestroyAllWindows();

    Cv2.ImShow("Upsampled Image", upscaledImg);
    Cv2.WaitKey(0);
}

上述代码片段说明了如何加载预训练好的超分辨网络并对输入图片执行上采样操作[^2]。