业务图片处理中经常会对图片样式效果做变换和增强，在opencv中提供了多达9种方法可以直接使用，这里分开2篇文章展开说明，第一部分本文涉及函数包括：
1.convertScaleAbs
2.log
3.exp
4.pow
1.函数convertScaleAbs （图像线性变换）
定义：
void convertScaleAbs(InputArray src, OutputArray dst, double alpha = 1, double beta = 0); --c++函数
def convertScaleAbs(src, dst=None, alpha=None, beta=None) --python 函数
参数：
src：输入的多通道图像
dst：输出指定通道图像
alpha：缩放因子 （该值越大亮部越亮，暗部越暗）
beta：偏移值(该值越大图片整体亮度越高)
作用:将图像转为8位无符号图像，同时可以实现线性变换的功能，alpha表示线性变换的比例因子，beta表示线性变换的偏移值。
使用案例
#python code
_localimg=cv2.imread("xxx.jpg")
convertScaleAbsImage = cv2.convertScaleAbs(_localimg,2,19)
plt.figure("convertScaleAbsImage")
plt.title("convertScaleAbsImage")
plt.imshow(convertScaleAbsImage)
plt.show()
#c++ code
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
Mat src = imread("xxx.jpg", 0);
Mat dst;
convertScaleAbs(src, dst , 2, 19);
namedWindow("src", 0);
imshow("src", src);
namedWindow("dst", 0);
imshow("dst", dst);
waitKey(0);
return 0;
}
效果
2.函数log （将原图像进行对数变换）
定义：
void log(InputArray src, OutputArray dst);
def log(src, dst=None);
参数：
src：输入图像
dst：输出图像
作用:将图像进行对数变换，注意在使用该函数之前，通常先将原图像每个像素值加“1”，这样可以避免像素值为“0”的在对数变换之后出现错误，此外，对数变换之后的数据类型为浮点型或双精度型，如果需要显示变换之后的图像，需要用到convertScaleAbs函数将其转巍峨8位无符号数，如果有必要，还可能进行归一化操作将像素值变换到[0,255]区间。
（通俗点说就是将图片整体亮度提升，对局部过亮有抑制作用，个人感觉比convertScaleAbs的整体提升要亮一些）
使用案例
#python code
img=cv2.imread(xxx.jpg)
logImage = cv2.log(img)
plt.figure("logImage")
plt.title("logImage")
plt.imshow(logImage)
plt.show()
#C++ code
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
Mat src = imread("xxx.jpg", 0);
Mat convertToMat;
log(src, convertToMat);
namedWindow("convertToMat", 0);
imshow("convertToMat", convertToMat);
waitKey(0);
return 0;
}
效果图
3.函数 exp （将图像进行指数变换）
定义：
void exp(InputArray src, OutputArray dst); --c++函数
def exp(src, dst=None) -- python函数
参数：
src：输入图像
dst：输出图像
作用:将图像进行指数变换，变换之后的数据类型为浮点型或双精度型，如果需要显示变换之后的图像，需要用到convertScaleAbs函数将其转为8位无符号数，如果有必要，还可能进行归一化操作将像素值变换到[0,255]区间。
（个人感觉该函数适用于过曝区域的识别，或不同区域的区分）
使用案例
#python code
_localimg=cv2.imread("xxx.jpg")
convertScaleAbsImage = cv2.convertScaleAbs(_localimg,2,19)
convertScaleAbsImage = np.float32(convertScaleAbsImage)
expImage = cv2.exp(ConvertScaleAbsImage)
plt.figure("expImage")
plt.title("expImage")
plt.imshow(expImage)
plt.show()
#C++ code
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
Mat src = imread("2.png", 0);
Mat dst;
Sobel(src, dst, CV_32F, 1, 0, 3); #转换到32位
exp(dst, dst);
namedWindow("src", 0);
imshow("src", src);
namedWindow("dst", 0);
imshow("dst", dst);
waitKey(0);
return 0;
}
效果图
4.函数 pow (将图像进行幂变换)
定义：
void pow(InputArray src, double power, OutputArray dst); --c++函数
def pow(src, power, dst=None) --python函数
参数：
src：输入图像
power:幂
dst：输出图像
作用:将图像进行幂变换，变换之后的数据类型为浮点型或双精度型，如果需要显示变换之后的图像，需要用到convertScaleAbs函数将其转为8位无符号数，如果有必要，还可能进行归一化操作将像素值变换到[0,255]区间。
（主要作用是提高对比度，将暗部变得更暗）
使用案例
#python code
_localimg=cv2.imread("xxx.jpg")
Mat powImage;
pow(_localimg,powImage);
plt.figure("powImage")
plt.title("powImage")
plt.imshow(powImage)
plt.show()
#C++ code
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
int main(int argc, char** argv)
{
Mat src = imread("xxx.jpg", 0);
Mat dst;
Mat convertToMat;
src.convertTo(convertToMat, CV_32F);
pow(convertToMat, 1.2, dst);
namedWindow("dst", 0);
imshow("dst", dst);
waitKey(0);
return 0;
}
效果图
函数各种值还是要自己手动尝试下记忆比较深刻
更多推荐>>