automatedMSRCR算法opencv c++ 实现

automatedMSRCR (Automatic Multi-Scale Retinex with Color Restoration) 算法是一种图像增强算法，它可以增强图像的对比度，保留细节和颜色。下面是使用 OpenCV C++ 实现 automatedMSRCR 算法的示例代码：

#include <opencv2/core.hpp>
#include <opencv2/highgui.hpp>
#include <opencv2/imgproc.hpp>

using namespace cv;

Mat automatedMSRCR(Mat input, float sigma_list[], int sigma_list_size, float G, float b, int alpha, int beta, int low_clip, int high_clip)
{
    Mat L;
    input.convertTo(L, CV_32FC1);
    L = log(L + 1.0f);

    Mat R;
    for (int i = 0; i < sigma_list_size; i++)
    {
        Mat tmp;
        GaussianBlur(input, tmp, Size(0, 0), sigma_list[i], sigma_list[i], BORDER_DEFAULT);
        tmp.convertTo(tmp, CV_32FC1);
        tmp = log(tmp + 1.0f) - L;
        tmp = exp(tmp - G);
        R += tmp;
    }
    R /= sigma_list_size;

    Mat output;
    output = input * (1.0f - b) + R * b;

    output.convertTo(output, CV_8UC3);

    std::vector<Mat> channels;
    split(output, channels);
    for (int i = 0; i < 3; i++)
    {
        channels[i] = (channels[i] - mean(channels[i])) * alpha + mean(channels[i]);
        threshold(channels[i], channels[i], 0, 255, THRESH_TOZERO);
        normalize(channels[i], channels[i], low_clip, high_clip, NORM_MINMAX);
    }
    merge(channels, output);

    return output;
}

int main()
{
    Mat input = imread("input.jpg");

    float sigma_list[] = { 15.0f, 80.0f, 250.0f };
    int sigma_list_size = sizeof(sigma_list) / sizeof(float);
    float G = 5.0f;
    float b = 25.0f;
    int alpha = 125;
    int beta = 46;
    int low_clip = 0;
    int high_clip = 255;

    Mat output = automatedMSRCR(input, sigma_list, sigma_list_size, G, b, alpha, beta, low_clip, high_clip);

    imshow("input", input);
    imshow("output", output);
    waitKey();

    return 0;
}

在这个示例中，我们使用了 OpenCV 的核心模块（core）、图像 I/O 模块（highgui）和图像处理模块（imgproc）。具体来说，我们使用了以下函数：

- `imread()`：加载输入图像。
- `GaussianBlur()`：对输入图像进行高斯模糊。
- `split()`：将输出图像的三个通道分离。
- `mean()`：计算每个通道的均值。
- `threshold()`：将每个通道的像素值截断为 0 到 255 之间。
- `normalize()`：将每个通道的像素值归一化为 0 到 255 之间。
- `merge()`：将三个通道合并为一幅图像。
- `imshow()`：显示图像。
- `waitKey()`：等待用户按键。

在实现 automatedMSRCR 算法时，我们需要将输入图像转换为浮点数类型，然后进行对数变换。接着，我们使用高斯模糊对输入图像进行多尺度处理，计算出 R 通道。最后，我们将 R 通道与输入图像的原始亮度值进行加权平均，并对每个通道进行颜色修正和像素值调整，最终得到增强后的图像。