时间:2021-05-20
本文实例为大家分享了Opencv实现图像灰度线性变换的具体代码,供大家参考,具体内容如下
通过图像灰度线性变换提高图像对比度和亮度,原图像为src,目标图像为dst,则dst(x,y)=* src(x,y) +。
不仅对单通道图像可以做灰度线性变换,对三通道图像同样可以。
#include<opencv2/opencv.hpp>;#include<iostream> using namespace cv;using namespace std; int main(int argc, char** argv){ Mat src,dst; src = imread("1.jpg"); if (!src.data) { cout << "could not load image" << endl; return -1; } namedWindow("input", CV_WINDOW_AUTOSIZE); imshow("input", src); int rows = src.rows; int cols = src.cols; float alpha = 1.2, beta = 10; dst = Mat::zeros(src.size(), src.type()); for (int row = 0; row < rows; row++) { for (int col = 0; col < cols; col++) { if (src.channels() == 3) { int b = src.at<Vec3b>(row, col)[0]; int g = src.at<Vec3b>(row, col)[1]; int r = src.at<Vec3b>(row, col)[2]; dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>((alpha*b + beta)); dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>((alpha*g + beta)); dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>((alpha*r + beta)); } else if(src.channels()==1){ int v = src.at<uchar>(row, col); dst.at<uchar>(row, col) = saturate_cast<uchar>(alpha*v + beta); } } } namedWindow("output", CV_WINDOW_AUTOSIZE); imshow("output", dst); waitKey(0); return 0;}运行结果如下:
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
本文实例讲述了C#图像线性变换的方法。分享给大家供大家参考。具体如下://定义图像线性运算函数(y=kx+v)privatestaticBitmapLinear
伽马变换就是用来图像增强,其提升了暗部细节,简单来说就是通过非线性变换,让图像从暴光强度的线性响应变得更接近人眼感受的响应,即将漂白(相机曝光)或过暗(曝光不足
特征提取技术包括这些: 1、主成分分析方法。主成分分析也称为K-L变换,是在统计特征基础上的多维(如多波段)正交线性变换,也是遥感数字图像处理中最常用的一种变
AffineTransform类描述了一种二维仿射变换的功能,它是一种二维坐标到二维坐标之间的线性变换,保持二维图形的“平直性”(译注:straightness
Opencv+Pythoncv2.imshow闪退#读入原始图像origineImage=cv2.imread('./pic/6.jpeg')#图像灰度化#im