精华内容
下载资源
问答
  • 有时候,我们是不需要这么对比度的,很高的对比度在视觉上未必让人舒服,于是就有了对比度调整强度的问题。对于使用线性变换的方法增强对比度,调整强度就是线性变换y=kx+b中间的k,比如说要求把对比度提高1.2倍...

    关于图像对比度【4】

    对比度调整强度

    之前说了两种调整对比度调整的方法,线性变换和直方图均衡化,之前写的时候都是把对比度增强的效果发挥到极致,但是很高的对比度真的好吗?有时候,我们是不需要这么强的对比度的,很高的对比度在视觉上未必让人舒服,于是就有了对比度调整强度的问题。

    对于使用线性变换的方法增强对比度,调整强度就是线性变换y=kx+b中间的k,比如说要求把对比度提高1.2倍,意思就是k=1.2。但是通常说对比度提高1.2倍有一个隐藏含义:图像整体亮度不变(图像的平均像素值mean不变)。根据这个隐藏条件,就可以算出y=kx+b中间的b,也就是(y-mean)=k(x-mean)。当然,也可能要求不是平均亮度不变,而是亮度中位值mid不变,那自然就变成了(y-mid)=k(x-mid)。总之,在线性变化下去调整对比度,强度很容易控制,指哪打哪。

    下图是保持亮度不变的情况下,对比度提升1倍、1.2倍、1.5倍、1.8倍、2倍、2.5倍获得的图像:

    这里写图片描述

    对于使用直方图均衡化的方法来增强对比度,控制对比度调整强度就不那么舒服了,基本上很难实现诸如亮度不变,对比度提高1.2倍这样的功能,因为它压根就不是线性的。但是如果一定要定义一个调整强度呢?想起来,之前说直方图均衡化的时候,有一个东西叫累积直方图:

    这里写图片描述

    所谓的直方图均衡化就是把一个曲线的累积直方图变成一个直线型的累积直方图,如果把这个过程想象成一个变化的过程,那么中间就必然有若干个过渡状态,比如上图中的绿线。什么意思呢?很简单,可以把原始图像和均衡化后的图像做权重融合,即y=k*x1+(1-k)*x0,其中x0是原始图像上的点,x1是均衡化之后的点,k是权重,这个权重实际上就代表了调整的强度。

    下图是k分别为0、0.2、0.4、0.6、0.8、1的时候得到的结果图像:

    这里写图片描述

    从上面图上看,也并不是直方图完全均衡时图像效果最好啊。

    至于使用直方图均衡化还要保持亮度不变什么的,就别想了,做不到。

    展开全文
  • 对比度 加强的话,深色更深 浅色更浅  饱和度 高饱和度就是色彩艳丽,鲜艳,低饱和度就是色彩偏黑白灰,简单说就是偏灰,色彩不明朗 色阶 其实有点类似于对比度,但是,它可以是更深,但浅色不变浅, 也可以是更浅,但深色...

    对比度

    加强的话,深色更深 浅色更浅 

    饱和度

    高饱和度就是色彩艳丽,鲜艳,低饱和度就是色彩偏黑白灰,简单说就是偏灰,色彩不明朗

    色阶

    其实有点类似于对比度,但是,它可以是更深,但浅色不变浅, 也可以是更浅,但深色不会更深,再一种直观理解是,照片显得暗,或者亮

    色调

    有的照片看上去整体蓝蓝的 有的看上去很暖 黄黄的 就是色调 偏蓝就是冷色调 偏黄就是暖色调

    色温

    其实和色调类似,这个比较复杂,但是调整色温都会很直观看到照片显示的色调是蓝的或者黄的.还是紫的红的绿的 等等, 也就是如果调色温的话,色调会变,它会有个正常的点,离开那个点色调就会渐渐有偏向

    展开全文
  • 指纹图像采集过程常会造成对比度等非线性失真,基于模糊逻辑的处理方法常用于改善指纹图像质量。研究了模糊特征平面增强算法和基于广义模糊算子的图像增强算法,将两种算法应用于指纹图像对比度增强,并对增强结果...
  • 亮度与对比度1、亮度对于显示器而言,是一个很重要的性能衡量指标,一般用:(cd/m2)或尼特(nit)来衡量。亮度越高,越能精准的还原色彩,画面会更加的通透,细节表现也更。但是并不是越高就越好,太高或太低容易对...

    亮度与对比度

    1、亮度对于显示器而言,是一个很重要的性能衡量指标,一般用:(cd/m2)或尼特(nit)来衡量。亮度越高,越能精准的还原色彩,画面会更加的通透,细节表现也更强。但是并不是越高就越好,太高或太低容易对眼睛造成伤害,视觉疲劳等,小伙伴们要注意。

    (普通液晶显示器的亮度为250cd/m2)

    d36489dddd8452f85022c216bb9498dc.png

    2、对比度就是:显示器在最亮的白色和最暗的黑色之间的比值,白色越亮,黑色越暗,对比度就越高;对比度高,细节体现的就越清晰。

    对比度目前分为2种:动态对比度和静态对比度

    4220b53eeefa8f6df46ad77428f38785.png

    动态对比度:小伙伴们在商品上看到的动态对比度都非常的大,这个动态对比度与真正的对比度是两个不同的概念,只是商家玩的数字游戏,吸引顾客,并没有实际意义。主要的还是要看静态对比度

    静态对比度:目前主流的显示器静态对比度一般为1000:1到1500:1。一些较好的能做到3000:1。静态对比度大意味着在画面更锐丽、层次丰富,视觉感更强。打个比方:在阴暗的区域里放一个白色的石头,对比度低的可能连石头的轮廓都很难显示出来;对比度高的,就能更清晰的显示出石头的样子。

    欢迎小伙伴们参与回复和讨论。

    展开全文
  • 图像对比度设置matlab

    2018-03-12 10:39:19
    使用matlab对图像进行对比度调节,图像增强和复原的目的是为了提高图像的质量,如去除噪声,提高图像的清晰度等。图像增强不考虑图像降质的原因,突出图像中所感兴趣的部分。如强化图像高频分量,可使图像中物体轮廓...
  • 在很久前实现对比度受限的自适应直方图均衡化时,就曾经想过对该算法进行一定程度的扩展,之后使用自动对比度和自动色阶代替直方图均衡化也提出了新的算法,也达到了不错的效果。本文进一步对该算法进行一定程度的...

     在很久前实现对比度受限的自适应直方图均衡化时,就曾经想过对该算法进行一定程度的扩展,之后使用自动对比度和自动色阶代替直方图均衡化也提出了新的算法,也达到了不错的效果。本文进一步对该算法进行一定程度的扩展和补充优化。

    一、本文算法的概述

      根据选取的优化的水平和垂直网格数,将图像切分成一个一个的子块,然后统计每个子块的直方图信息,并和原图整体的直方图信息进行某种混合,对于彩色图像,为了避免不同通道之间处理后变化过于不协调,还增加了各通道直方图与亮度通道直方图的信息合成,然后对合成后的直方图进行直方图裁剪和均衡化的,获取各子块新的映射直方图,为了避免新的映射表中的数据有较大的奇点或噪音,对映射表的数据进行多点取样,然后使用样条插值算法对取样点进行插值,或者对新的映射表进行一定程度的高斯模糊,得到一张较为平滑的映射表。最后使用类似CLAHE算法中的双线性插值对每个子块之间的映射表进行插值得到新的像素值。本方法计算量小,速度很快,对映射表进行平滑插值或高斯模糊能有效的抑制对比度调整时产生的噪声,防止了信息的过度放大造成图片失真,是一种高效并且效果突出的对比度增强算法。

    二、算法过程详解

      1、水平和垂直网格数的确定

      类似于CALHE算法,对网格的合理选取也会对本算法的结果产生重要的影响,过多的网格数会使得计算量显著加大,过少的网格数使得结果趋于接近整体的直方图均衡化,一般情况下,可选择8*8个网格,这里可以通过以下原则来简单的做个优化:图像的亮度的均方差越小,即整幅图像的明暗比较一致,使用较多的网格数,比如8*8,否则使用较少的网格,比如4*4。这是因为当图像明暗较为一致时,各小块的直方图数据差异不会很大,而如果明暗不一致,选择较小的块,各块之间的直方图信息差异可能很大,会造成插值时出现明显的瑕疵。

        2、按规定的网格数划分图像,并获取每块的直方图信息HistB,HistG,HistR。

      3、获取全图的直方图数据HistgramB,HistgramG,HistgramR以及亮度直方图HistgramL。

           其中亮度定义为:  Lightness = (R*19595 + G*38469 + B*7472) >> 16

        4、对子块直方图和全局直方图进行融合,如下代码所示:

    HistB[Index] = (HistB[Index] * Adaptation + (100 - Adaptation) * HistgramB[Index]) / 100;
    HistG[Index] = (HistG[Index] * Adaptation + (100 - Adaptation) * HistgramG[Index]) / 100;
    HistR[Index] = (HistR[Index] * Adaptation + (100 - Adaptation) * HistgramR[Index]) / 100;
    HistL[Index] = (HistL[Index] * Adaptation + (100 - Adaptation) * HistgramL[Index]) / 100;

      其中Adaptation为融合因子,其有效范围为[0,100],当取值越小时,全局直方图其主导作用,效果越接近普通的直方图均衡。

      5、对上述融合后的结果再次和亮度直方图进行融合,融合过程如下所示:

    HistB[Index] = (HistB[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;
    HistG[Index] = (HistG[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;
    HistR[Index] = (HistR[Index] * Correction + (100 - Correction) * HistL[Index]) / 100;

       其中Correction为颜色校正因子,其有效范围为[0,100],当取值越大时,各通道之间越独立,效果越接近普通的直方图均衡。

      上述代码中Index表示直方图色阶的索引范围,有效值[0,Bins – 1],Bins为直方图的数量,8位时为256。

      6、按照CALHE的方式对直方图进行裁剪,之后对裁剪的直方图进行均衡化得到每个小块的映射表。

      7、局部均衡化后映射表的平滑。

        1)  将映射表的 Bins取K等份,得到每等份数据对应的映射表值,构成K个二维坐标点序列,亦可以根据直方图的累计数据,把累计数据平均分为K等分,得到K个二维序列点。

        2)根据K个二维坐标点,使用样条插值算法拟合出一条过各个取样点的平滑映射曲线。

        3)在平滑曲线表中取0至于Bins中各色阶对应的插值结果,作为新的映射表结果。

         对于Bins =256的图像,K值建议可取32左右。

        或者另外一种处理方式就是对映射表进行一维方向的均值或者高斯平滑,平滑窗口可选WindowSize = 7左右。

      这种平滑可以带来一定的好处,特别是对于图像变换比较平缓的区域,能够在一定程度上减弱由于增强带来的色块感觉,而且这种方式推广到所有基于直方图增强技术的算法中。

      8、按照CLAHE算法的过程对每个小块进行双线性插值得到最终的增强效果,当然对第一行、第一列、最后一行、最后一列的子块靠近图像边缘的那一半都只使用映射表单个方向的线性插值,而这些子块的其他部分以及其他子块均使用映射表双线性插值获得最终结果。

           如果输入图像是灰度图,由于只有一个通道,则本算法中的Correction在此场景中是可舍弃的。

      整个过程的流程框图如下所示:

                                 

     

           三、测试结果

    下图为未经过处理的原始图像,可见原始图中对比度很差,图像的细节信息很少,图像饱和度也很差。右侧是使用本算法后处理的效果图,处理后图像饱和度自然,色彩鲜艳,隐藏在原图右侧的一些不可易见的细节也能清楚的展示出。

               

                      原始图像                                           Adaptation = 50,Correction = 50, ClipLimit = 20时的效果

              

                  Adaptation = 0,Correction = 50, ClipLimit = 20时的效果                                                                                      Adaptation = 100,Correction = 50, ClipLimit = 20时的效果

             

             Adaptation = 50,Correction = 0, ClipLimit = 20时的效果                         Adaptation = 50,Correction = 100, ClipLimit = 20时的效果

         下面作图是另外一副未经处理的图像,这副图像信息较为完整,色彩也较为丰富,但是经过本算法处理后,得到的结果图(右图)则显得更为惊艳和夺目,因此对于正常的图像,本算法也具有较强的实用性。

             

      特别强调,该算法不适宜处理人脸图像。

           该算法难以使用SSE优化,我在考虑是否还有其他方式优化。速度上1080P的彩图大约30ms可以搞定。

           测试工程的地址:http://files.cnblogs.com/files/Imageshop/SSE_Optimization_Demo.rar

    展开全文
  • 矫正图像亮度、对比度

    千次阅读 2017-07-20 10:55:05
    1.对数变换:增加黑暗区域的亮度和对比度,降低明亮区域的对比度。 2.对数变换和反向伽马变换:对数和反相伽马校正扩展了低灰度范围,同时压缩了高灰度范围。当使用灰色调色板时,这些变换会增加图像的整体亮度,并...
  • 机器人开业第38篇文章已经在机器人上阅读了28篇文章 在把电镜数据处理玩出花的道路上越走越远233摘要:信噪比SNR和图片对比度对成像很重要,经典的获取低频对比度方法使用高的失焦,或者用低通滤波,会损失高频SNR。...
  • 为了扩大对超短激光脉冲对比度的测量范围, 准确地测量超短激光脉冲的对比度, 利用非线性晶体对激光脉冲强度变化十分敏感的特性, 研究了超短激光脉冲三阶相关信号的产生过程, 并在此基础上, 研制了一台三阶相关仪, 对...
  • 或者成象时光照过,使得整幅图偏亮(例如,灰度范围从200到255),我们称这些情况为低对比度,即灰度都挤在一起,没有拉开。灰度扩展的意思就是把你所感性趣的灰度范围拉开,使得该范围内的象素,亮的越亮,暗的越暗...
  • 计算了大气顶的目标背景对比度, 并讨论了卷云特性参数和目标高度对目标背景对比度的影响。结果表明: 在水汽吸收波段, 卷云大气反射率随卷云高度和光学厚度的增加而增大、随卷云粒子有效尺度的增大而减小; 目标背景...
  •  由于曝光不足等因素的影响,图像的亮度分布会发生非线性失真,常常表现为对比度、图像的整体感觉较暗等。目前已经有很多基于灰度直方图的方法来增强对比度以改善图像质量。Gordon 等人最初提出了通过扩大当前...
  • 用于图像去雾的优化对比度增强算法

    万次阅读 多人点赞 2016-11-04 12:09:02
    今天我们来介绍一篇由韩国学者所发表的研究论文《用于图像去雾的优化对比度增强算法》,作者提出一种基于四叉树划分的求解大气光估计的方法,同时提出了兼顾对比度和信息损失的图像去雾新思路,非常值得参考
  • 摘 要:指纹图像采集过程常会造成对比度等非线性失真,基于模糊逻辑的处理方法常用于改善指纹图像质量。研究了模糊特征平面增强算法和基于广义模糊算子的图像增强算法,将两种算法应用于指纹图像对比度增强,并对...
  • 高频加强和直方图均衡相结合是得到边缘锐化和对比度增强的有效方法。 其中对操作顺序要求是,先进行高频加强,再进行直方图均衡化。 原因如下: 高频加强是针对通过高通滤波后的图像整体偏暗,因此通过提高平均灰度...
  • OpenCV视频链接 知识点 理论; 代码演示; 理论 图像变换可以分为点操作和区域操作,区域操作用于做图像卷积,特征...α----增益变量,α越大,亮度,对比度; 常见的RGB数据格式,像素值(0-255)(tif等格式像...
  • 若一副图像整体太亮或太暗,前景和背景对比度给人感觉不够色彩分明,则图像中的灰度值大量集中在某个范围内。此时可以使用直方图均衡化来使图像灰度值分布更加均匀,以此达到增强图像对比度的目的。缺点...
  • 光与明暗对比度“明暗对比”描述的是一个画面中,亮部与暗部之间的相互关系。明暗对比的高低是由照明光线的性质决定的。直射光比散射光在主体上造成的明暗对比要强烈;侧面光比正面光在主体上造成的明暗对比要强烈;...
  • 对比度明显的图片往往灰度分布均匀,常用图像灰度方差(标准差)进行衡量,标准差大则一般对比度明显,标准差小则一般对比度不明显。 下面讲解图像处理中常用的加强对比度的方法。1.对数变换对数变换为什么管用,...
  • 灰度级范围可以用来度量图像对比度,灰度级范围越大代表图像对比度,图像给人的感觉越清晰。 Mat calcGrayHist(const Mat & image) { Mat histogram = Mat::zeros(Size(256, 1), CV_32SC1);//存储256个...
  • 为此,提出了一种基于方向对比度和区域标准差最大的融合新算法,主要特点是在低频部分采用加权因子自适应调节参数融合,以减少边缘模糊,对于高频部分采用方向对比度和局部区域窗口标准差最大值作为高频分量,突出...
  • 文本提取是字符识别的关键步骤。 其准确性高度依赖于文本区域的位置。 在本文中,我们提出了一种... 实验表明,本文提出的方法对于字体大小,字体颜色,语言,阴暗环境等变化较大的低对比度文本图像具有较的鲁棒性。
  • 基于“局部标准差”的图像增强(原理、算法、代码) 一、理论 图像增强算法的基本原则是“降低低频区域,突出高频区域”,以此强化边缘,达到增强的目的。...我们这里着重研究自适应对比度增强(A...
  • 时域增强往往被应用于提高图像的对比度且改进其灰度级, 其原理是在灰度映射转化的基础上, 对像素进行直接性地处理; 频域增强的作用是以强化图像的低、 高频来达到改善图像的平滑性和边缘为主,其原理是通过...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 723
精华内容 289
关键字:

对比度强