1、导致低对比度图像的原因：照明不足、成像传感器动态范围太小、镜头光圈设置错误。
 
2、分段线性变换函数：增强原图各部分的反差，即增强输入图像中感兴趣的灰度区域，相对抑制那些不感兴趣的灰度区域。优势在于形式可以任意合成，缺点是是需要更多的用户输入。
 
3、
 

 
分段线性变换的函数形式：
 

 
给出需要转换的灰度范围，决定线性变换的斜率。
 
4、分段的灰度拉伸可以更加灵活地控制输出灰度直方图的分布，可以有选择地拉伸某段灰度区间，以改善输出图像。如果一幅图像灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来扩展(斜率>1)物体的灰度区间以改善图像；如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩(斜率<1)物体灰度区间以改善图像质量。
 
5、一般情况下，限制<
 
C/C++ Demo: 把灰度级由其原范围线性地拉伸至整个灰度级范围。
 
//通用
 
#include 
 
#include 
 
//图像操作
 
#include 
 
#include
 
#include
 
using namespace :: std;
 
using namespace :: cv;
 
int
 
main()
 
{
 
//图像读取
 
Mat image =
 
imread("Fig0310.tif");
 
//判断图像读取是否有问题
 
if(!image.data)
 
{
 
cout << "image read
 
is error!" <<
 
endl;
 
return 0;
 
}
 
//图像基本信息输出
 
cout << "image
 
Info:Height:" <<
 
image.size().height <<
 
" Width:"
 
<< image.size().width
 
<< endl;
 
//原始图像显示
 
namedWindow("Original
 
Image");
 
imshow("Original Image",
 
image);
 
imwrite("original.jpg",
 
image);
 
//处理图像
 
int data_max = 0,data_min = 255;
 
int nl = image.rows;
 
int nc = image.cols * image.channels();
 
if(image.isContinuous())
 
{
 
nc = nc * nl;
 
nl = 1;
 
}
 
int i,j;
 
uchar *data;
 
for(j = 0; j < nl; j ++)
 
{
 
data = image.ptr(j);
 
for(i = 0; i < nc; i ++)
 
{
 
if(data[i] >
 
data_max)
 
data_max = data[i];
 
if(data[i] <
 
data_min)
 
data_min = data[i];
 
}
 
}
 
cout <<
 
"data_max:"
 
<< data_max
 
<< "
 
data_min:" <<
 
data_min << endl;
 
int temp = data_max - data_min;
 
for(j = 0; j < nl; j ++)
 
{
 
data = image.ptr(j);
 
for(i = 0; i < nc; i ++)
 
{
 
data[i] = (data[i] - data_min) * 255 / temp;
 
}
 
}
 
//显示图像
 
namedWindow("Process Image");
 
imshow("Process Image",
 
image);
 
//保存图像
 
imwrite("result.JPG", image);
 
waitKey(0);
 
return 0;
 
}
 
原始图像：
 

 
处理后图像：
 

 
 
 
 
 

 
 
 

 对数及对比度拉伸变换
 

 
 
 
 
 
 
 

 
 
 

 对数和对比度拉伸变换是：动态范围操作的基本工具
 

 
 
 

 表达式：g=c*log(1+f)，其中c是一个常数，f是浮点数
 

 
 
 

 对数变换：
 

                应用：压缩动态范围（实现了图像灰度扩展和压缩功能，扩展低灰度值而压缩高灰度值，让图像的灰度分布更加符合人的视觉特性）（灰度值0（黑）~255（白））
 

                          可以利用这种变换来扩展被压缩的高值图像中的暗像素
 

      
 

                mat2gray(f)：会将压缩值限定在【0,1】范围
 

 
 
 

                im2uint8( mat2gray(f) )：会将值限定在【0,255】范围
 

 
 
 

 对比度拉伸变换函数：把窄的输入灰度级扩展为宽的范围的输出灰度级，结果是一幅高对比度的图像
 

                   表达式：                  1
 

                             s=T(r)=   - - - - - - -     ，
 

                                           1+(m/r)^E
 

                             其中r为输入图像的灰度，s是输出图像中的相应灰度值，E用于控制该函数的斜率
 

 
 
 

 阈值化/阈值处理函数：用于图像分割的简单工具
 

 
 
 
 
 
 
 

  

图像增强之对比度拉伸

题目：定义一个图像的对比度拉伸函数，函数名为myGrayScaleTransform，将输入图像的对比度线性平滑地拉伸到指定的灰度级区间，要求该函数的输入参数包括处理前的灰度图像img1 (如EXP1A.tif)、期望灰度级的参数区间para，输出参数为处理后的灰度图像img2。
 
定义函数为img2 = myGrayScaleTransform (img1, para)，其中，参数para是一个长度为2的一维数组，用于表示期望灰度级区间的最小值和最大值，要求最小和最大值的取值范围限定在区间[0 255]之间，且最小值不能超过最大值，如指定区间为para = [50 120]；线性平滑拉伸可以参考数据归一化的计算原理。
 
 
 
实现思路：
 
1.定义函数：
 
              我们定义的函数有两个参数：图像img1和灰度级区间最小值、最大值的二维数组para。首先对para参数进行判断，若灰度级的最大值和最小值不符合要求则报错。
 
若输入的参数没有问题，就开始对图像进行处理：先使用im2double函数将uint8类型的图像数据转换为double类型的，分别取图像矩阵的最大值和最小值，使用公式利用公式f=(img – min_i)/(max_i – min_i)把数据范围压缩到0~1之间的数值，即数据的归一化,以便计算。再使用公式img2 = (b - a) .* img2 + a还原图片像素的大小为para区间内的数值，最后使用函数uint8将图片数据转换为uint8的格式，以便输出。
 
2.测试函数：
 
使用imread函数读取图像'EXP1A.tif'；
 
分别定义灰度级para = [0,50]、 para = [50,120]、para = [150,250]，并分别调用myGrayScaleTransform函数得到对比度拉伸后的图像；
 
          3.按题目要求显示图像。
 
 
 
实现效果：
 
 
实现源代码：
 
clc;
%读取图像
img_a = imread('EXP1A.tif');

para = [0,50];
img_a2 = myGrayScaleTransform (img_a, para);

para = [50,120];
img_a3 = myGrayScaleTransform (img_a, para);

para = [150,250];
img_a4 = myGrayScaleTransform (img_a, para);

%显示图像
figure('NumberTitle', 'off', 'Name', '实验一第三题 EXP1A.tif 对比度拉伸'); 
subplot(2,2,1);
imshow(img_a);
title('原图');

subplot(2,2,2);
imshow(img_a2);
title('0~50');

subplot(2,2,3);
imshow(img_a3);
title('50~120');

subplot(2,2,4);
imshow(img_a4);
title('150~250');
 
function img2 = myGrayScaleTransform (img1, para)
    a = para(1);
    b = para(2);
    if(a > b)
        error('para中参数，最小灰度值a不能超过最大灰度值b！');
    elseif(a < 0 || b > 250)
        error('para中参数，最小灰度值a和最大灰度值b的范围在区间[0,250]之间！');
    end
    img = im2double(img1);%将uint8类型的数据转换为double类型的同时，把数据范围由原来的0~255映射到0~1，可以看作数据的一种归一化,以便计算
    min_i = min(img(:));
    max_i = max(img(:));
    img2 = (img - min_i)./(max_i - min_i);%将图片压缩到0~1之间的数值
    img2 = (b - a) .* img2 + a;%还原图片像素的大小为para区间内的数值
    img2 = uint8(img2);%将图片数据转换为uint8的格式，以便输出
end