高反差保留可以使图片更加锐化。就是保留图像中反差比较大的线条。反差不明显的就调成灰色。高反差的效果比锐化还要好！

Mat HighPass(Mat img)

{

Mat temp;

//GaussianBlur(img, temp, Size(3, 3), 1.6, 1.6);

medianBlur(img, temp, 3);
int r = 10;
Mat diff =  r * (img - temp); //高反差保留算法
return diff;

}

#include <opencv2/highgui.hpp>

#include <opencv2/ml.hpp>

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

#include <opencv2/imgproc/imgproc.hpp>

#include <opencv2/core/core.hpp>

using namespace cv;

using namespace cv::ml;
Mat HighPass(Mat img)

{

Mat temp;

GaussianBlur(img, temp, Size(3, 3), 1.6, 1.6);

//medianBlur(img, temp, 3);
int r = 10;
Mat diff = r * (img - temp); //高反差保留算法
return diff;

}
void main()

{

Mat src = imread(“d:/dong.jpg”);
//Mat dst = Mat::zeros(src.size(), CV_8UC3);

Mat dst = HighPass(src);
imshow("ori", src);
medianBlur(dst, dst, 3);
imshow("res", dst);
Mat gray,gray1;
cvtColor(dst, gray, COLOR_BGR2GRAY);
//threshold(gray, gray1, 50, 255, cv::THRESH_BINARY_INV);
imshow("res1", gray1);

cv::waitKey(0);

}
//留下了一副粉笔画。

高反差保留算法

高反差保留算法就是保留原图中反差比较大的地方，比如，一幅人脸图像中，反差比较大的地方就是五官了，在进行人脸美化的时候我们通常会对原图进行平滑处理，然而处理完之后丢失了图片的细节信息，因此在另一边我们通过会通过高反差保留或者其他高通滤波器保留图片的细节信息，然后将平滑之后的图像和高频图像进行光线性混合，可以得到更好的效果。

具体到高反差保留算法，先使用高斯滤波器对图像进行平滑，高斯滤波器对边缘的平滑作用更加明显，使用原图减去高斯平滑之后的图，就得到强化边缘值。通过调节高斯模糊的半径可以控制得到的边缘的强度。

 那么高反差保留算法本身的执行过程是如何的呢，简单的表达就是：　

　　　      高反差保留 = 原始图像 - 高斯模糊图像 + 127

加上127的目的是为了不让太多的像素由于不在有效范围内而导致图像太黑，从而丢失信息。

推导原理



从图中可以看出来， 

由此我们可以推论出如下的计算公式：

原始－高斯模糊＝高反差保留

运用数学知识可以得到：

原始＝高反差保留＋高斯模糊

　　这就意味着我们可以将任何一幅图像分成两部分：高斯模糊部分和高反差保留部分，两部分互相补充形成

一幅完整的图像。

　　我们进行一下扩展思考可以得到一种新的思路：高反差与低反差互补，锐化就和模糊互补（也难怪在ＰＳ中

找不到“低反差”滤镜。），也确实如此：

　　　　　原始图像＝高反差＋低反差

　　　　　原始图像＝锐化＋模糊

　　最后回到我们的ＰＳ文件，做一下逆向操作：将原始层移到最上面，按Ctrl+I将图层“高斯１０”反相，

图层模式改为正常，不透明度改回100%；将图层“高反差１０”的图层模式改为线性光，不透明度改为50%，你会

发现图像被还原了。

　　结论：

　　一、一幅图像可以被看作是互补的两部分：高斯模糊部分与高反差保留部分。

　　二、线性光图层模式可以将两图层加在一起。

　　三、我们改变这两部分任何一部分的参数，图像将会变得模糊或锐化。

熟悉理解这个理论，对你日后修正模糊的图像很有帮助。

通过高反差保留算法也可以实现图像增强的效果

   很多图像都需要增强，特别是一些医学图像，由于拍摄的硬件或拍摄的场合不理想，得到的图像往往细节都被隐藏起来，因此，细节的增强显得尤为重要，而原图 - 高斯模糊正好是图像的细节部位的信息的一种表达，因此，如果在模糊图的基础上再加上这个细节， 则即减少了噪音，又保持了边缘等细节（边缘和噪音都属于高频部分的），能有效的增强图像的信息。　　

      因此，如果用这样的方式来得到一副图像：

　　　　　　增强图像 = 模糊图像 + Amount *(原始图像 - 高斯模糊图像)

      则能起到一定的增强作用。 

 

参考文章：

https://www.cnblogs.com/lanye/p/3777303.html

http://www.360doc.com/content/12/0223/09/1299947_188816702.shtml

https://www.jianshu.com/p/bb702124d2ad

https://blog.csdn.net/c80486/article/details/52506429

这几周笔者几篇文章介绍了改高反差保留滤镜的文章. 关联文章的地址
    高反差保留就是高通滤波
    r=(pix[x,y]-avg(R))/128
    pix[x,y]*r+128*(1-r)
#include <math.h>
#include <opencv/cv.h>
#include <opencv/highgui.h>

using namespace cv;
using namespace std;

int R=5;

int main()
{
	Mat src = imread("D:/10.jpg",1);
	int width=src.cols;
	int heigh=src.rows;
	Mat img;
	src.copyTo(img);
	Mat avg;
	//GaussianBlur(img,avg,Size(R,R),0.0);
	blur(img,avg,Size(R,R));
	Mat dst(img.size(),CV_8UC3);
	float tmp;
	for (int y=0;y<heigh;y++)
	{
		uchar* imgP=img.ptr<uchar>(y);
		uchar* avgP=avg.ptr<uchar>(y);
		uchar* dstP=dst.ptr<uchar>(y);
		for (int x=0;x<width;x++)
		{
			float r0 = abs((float)imgP[3*x]-(float)avgP[3*x])/128;  
			tmp = abs( ((float)imgP[3*x]  )*r0 + 128*(1-r0) );
			tmp=tmp>255?255:tmp;
			tmp=tmp<0?0:tmp;
			dstP[3*x]=(uchar)(tmp);

			float r1 = abs((float)imgP[3*x+1]-(float)avgP[3*x+1])/128;
			tmp = (uchar)abs( ((float)imgP[3*x+1])*r1 + 128*(1-r1) );
			tmp=tmp>255?255:tmp;
			tmp=tmp<0?0:tmp;
			dstP[3*x+1]=(uchar)(tmp);
			
			float r2 = abs((float)imgP[3*x+2]-(float)avgP[3*x+2])/128;
			tmp = (uchar)abs( ((float)imgP[3*x+2])*r2 + 128*(1-r2) );
			tmp=tmp>255?255:tmp;
			tmp=tmp<0?0:tmp;
			dstP[3*x+2]=(uchar)(tmp);
		}
	}
	imshow("high",dst);
	
	//高通滤波测试

	Mat kern = (Mat_<char>(3,3) <<  -1, -1,  -1,
					 			    -1,  5, -1,
									-1, -1,  -1);
	Mat dstF;
	filter2D(img,dstF,img.depth(),kern);
	imshow("kernel",dstF);

	waitKey();
	imwrite("D:/高反差保留.jpg",dst);
	imwrite("D:/高通滤波.jpg",dstF);
}
    每日一道理 

“一年之计在于春”，十几岁的年纪，正是人生的春天，别辜负了岁月老人的厚爱与恩赐。行动起来，播种梦想吧！

    

    原图：
    

    

    高反差保留：
    

    

    高通滤波器：
    
    

文章结束给大家分享下程序员的一些笑话语录： 

刹车失灵

    有一个物理学家，工程师和一个程序员驾驶着一辆汽车行驶在阿尔卑斯山脉 上，在下山的时候，忽然，汽车的刹车失灵了，汽车无法控制地向下冲去， 眼看前面就是一个悬崖峭壁，但是很幸运的是在这个悬崖的前面有一些小树 让他们的汽车停了下来， 而没有掉下山去。 三个惊魂未定地从车里爬了出来。

    物理学家说， “我觉得我们应该建立一个模型来模拟在下山过程中刹车片在高 温情况下失灵的情形”。

    工程师说， “我在车的后备厢来有个扳手， 要不我们把车拆开看看到底是什么 原因”。

    程序员说，“为什么我们不找个相同的车再来一次以重现这个问题呢？”


--------------------------------- 
           原创文章 By            
高反差保留和滤镜
--------------------------------- 
转载于:https://www.cnblogs.com/jiangu66/p/3153303.html