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：