OpenCV：16位灰度图像的归一化给出了弱结果

我想在16位灰度图像中拉伸对比度。但void normalize(InputArray src, OutputArray dst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray())给我一点亮的形象，但仍然太黑。OpenCV：16位灰度图像的归一化给出了弱结果

文档： http://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html#normalize

说alpha是下限和β上限。所以在16位图像的情况下，我期望0和65535.0是正确的值。我做了一项研究，大多数答案都指出，alpha和betha是规范化图像中的最小值和最大值。

#include "stdafx.h" 
#include <iostream> 
#include <opencv2/opencv.hpp> 
#include <opencv2/core/core.hpp> 
#include <opencv2/highgui/highgui.hpp> 
int main() 
{ 
    cv::Mat image; 
    image = cv::imread("darkImage.tif", CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_GRAYSCALE); 

if (!image.data)       
    { 
     std::cout << "Could not open or find the image" << std::endl; 
     return -1; 
    } 

    cv::namedWindow("Original", CV_WINDOW_NORMAL | CV_WINDOW_KEEPRATIO); 
    cv::imshow("Original", image); 

    cv::normalize(image, image, 0, 65535.0, cv::NORM_MINMAX, CV_16U); 
    cv::namedWindow("Normalize", CV_WINDOW_NORMAL | CV_WINDOW_KEEPRATIO); 
    cv::imshow("Normalize", image); 
    cv::waitKey(); 

    return 0; 

}

Original and Normalized image表明对比度增强是不够的。 ImageJ标准化给了我更好的result。

alpha和beta值是否适合16位图像？我是opencv中的新成员，任何帮助都是合适的。

我用：opencv3.1，VisualStudio2015，W10，64位

来源

2016-12-16 Igor Schelle

你试过使用任何均衡技术？...直方图均衡？为什么你只是坚持简单的对比度增强？ – rayryeng

呀，大概直方图equaliztion是要走的路。 EqualizeHist不适用于16位。因此，我建议要么

image.convertTo(image,CV_8U,1./256.);

或

image.convertTo(image,CV_32F);

其次

equalizeHist(image,imageEq);

8位的选项是尝试和真实，但截断过程中可能会丢失信息。我还没有尝试过这种浮动，但我怀疑它终于在内部截断/ binning，这打破了浮动的目的。另外，如果你想正确地做，并且不关心运行时间/开发时间，你可以实现一个16位直方图，然后是一个16位到8位查找表，遵循后面的想法直方图均衡/ CLAHE。（创建累积分布函数，并将该65K矢量直接作为查找表应用于图像，以使结果均匀分布。）

或者如果您想要自己执行cv :: normalize（）的版本来给中心平均和合理的标准差，你可以这样做：

Scalar imMean, imStd; 
meanStdDev(image, imMean, imStd); 
double a = (1<<16)*(0.25/imStd.val[0]); // give equalized image a stdDev of 0.25 
double b = (1<<16)*0.5 - a*imMean.val[0]; // give equalized image a mean of 0.5 
imageEq = a*image+b;

来源

2016-12-17 00:25:44 willem

关键在于，我必须坚持16位输入和输出。而且这个方法也应该比较快。我有科学相机，它给了我高达30帧/秒的2.5Kx2.1K像素图像。我仍然想知道为什么cv :: normalization（）不能正确地增强我的图像。我的图片不适合这种类型的方法或错误的参数吗？ –

啊，好的。在这种情况下，您可以按照编辑的5行进行标准化。 – willem

OpenCV：16位灰度图像的归一化给出了弱结果

回答

相关问题