Tags: DIP
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。
公式1
高反差保留 = 原图 - 高斯模糊图
然后将原图和高反差保留图进行叠加，可以得到锐化的图像。
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/photo/photo.hpp>
int main(){
cv::Mat img = cv::imread("/Users/yuhua.cheng/Documents/data/Lenna.png",-1);
if(img.empty()){
std::cout << "Unable to load image!" << std::endl;
return -1;
}
cv::cvtColor(img, img, cv::COLOR_RGBA2RGB);
cv::Mat temp1;
cv::GaussianBlur(img, temp1, cv::Size(5,5),0,0);
cv::Mat temp2 = img - temp1;
cv::imshow("highPass",temp2);
// cv::Mat result = img + temp2;
cv::Mat result;
cv::addWeighted(temp2, 1, img, 1, 0, result);
cv::imshow("img", img);
cv::imshow("result",result);
cv::imwrite("./result/highPass.jpg", result);
cv::waitKey(0);
return 0;
}
高反差保留图：
55dQql.jpg
结果：
55d31A.jpg
公式2
r = (pixel[x,y] - blur(R)[x,y])/128
pixel[x,y]r+128(1-r)
R为高斯模糊半径
高反差保留图：
55dcVS.jpg
结果：
55dryh.jpg
公式3
r = (pixel[x,y] - blur(R)[x,y])
128+|r|r/(2R)
R为高斯模糊半径
高反差保留图：
55dP7z.jpg
结果：
55dyEa.jpg
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/photo/photo.hpp>
cv::Mat highPass1(const cv::Mat, int);
cv::Mat highPass2(const cv::Mat, int);
int main(){
cv::Mat img = cv::imread("/Users/yuhua.cheng/Documents/data/Lenna.png",-1);
if(img.empty()){
std::cout << "Unable to load image!" << std::endl;
return -1;
}
cv::cvtColor(img, img, cv::COLOR_RGBA2RGB);
highPass1(img, 7);
highPass2(img, 7);
cv::Mat temp1;
cv::GaussianBlur(img, temp1, cv::Size(5,5),0,0);
cv::Mat temp2 = img - temp1;
cv::imshow("highPass",temp2);
cv::imwrite("./result/highPass.jpg",temp2);
// cv::Mat result = img + temp2;
cv::Mat result;
cv::addWeighted(temp2, 1, img, 1, 0, result);
cv::imshow("img", img);
cv::imshow("result",result);
cv::imwrite("./result/augmented.jpg", result);
cv::waitKey(0);
return 0;
}
cv::Mat highPass1(const cv::Mat img, int kSize){
int height = img.rows;
int width = img.cols;
cv::Mat blur;
cv::Mat result = img.clone();
cv::GaussianBlur(img, blur, cv::Size(kSize, kSize), 0, 0);
double r[3];
for(int x = 0; x < height; x++){
for(int y = 0; y < width; y++){
for(int i = 0; i < 3; i++){
// r[i] = (double(img.at<cv::Vec3b>(x,y)[i]) - double(blur.at<cv::Vec3b>(x,y)[i]))/128;
// result.at<cv::Vec3b>(x,y)[i] = cv::saturate_cast<uchar>(img.at<cv::Vec3b>(x,y)[i]*r[i] + 128*(1-r[i]));
r[i] =img.at<cv::Vec3b>(x,y)[i] - blur.at<cv::Vec3b>(x,y)[i];
result.at<cv::Vec3b>(x,y)[i] = cv::saturate_cast<uchar>(128 + abs(r[i])*r[i]/(2*kSize));
}
}
}
imshow("hightPass1", result);
imwrite("./result/highPass1.jpg",result);
addWeighted(img, 1, result, 0.1, 0, result);
imshow("result", result);
imwrite("./result/result1.jpg", result);
return result;
}
cv::Mat highPass2(const cv::Mat img, int kSize){
int height = img.rows;
int width = img.cols;
cv::Mat blur;
cv::Mat result = img.clone();
cv::GaussianBlur(img, blur, cv::Size(kSize, kSize), 0, 0);
double r[3];
for(int x = 0; x < height; x++){
for(int y = 0; y < width; y++){
for(int i = 0; i < 3; i++){
r[i] = (double(img.at<cv::Vec3b>(x,y)[i]) - double(blur.at<cv::Vec3b>(x,y)[i]))/128;
result.at<cv::Vec3b>(x,y)[i] = cv::saturate_cast<uchar>(img.at<cv::Vec3b>(x,y)[i]*r[i] + 128*(1-r[i]));
}
}
}
imshow("hightPass2", result);
imwrite("./result/highPass2.jpg",result);
addWeighted(img, 1, result, 0.1, 0, result);
imshow("result", result);
imwrite("./result/result2.jpg", result);
return result;
}
后面两种方法也是看别人给的公式，但是我觉得还是第一种方法的效果最好，虽然很简单。
