python2.7图像局部增强_图像增强（一）ACE增强

Love The Way You Lie 2023-01-03 14:03 277阅读 0赞

在图像增强方向上，传统存在两种方法一种是：Adaptive Contrast Enhancement，即自适应对比度增强，还有一种是AHE(Adaptive histgram equalization)。

**AHE**是通过对局部区域执行响应的直方图变换，对于那些像素值分布比较均匀的图像来说像素很好，然后，如果图像中包括明显比其他区域阴暗或者亮的部分，在这些部分的对比度就得不到有效增强。

AHE的属性：

领域的大小是该方法的一个参数。领域小，对比度得到增强，领域大，则对比度降低。

当某个领域包含的像素值非常相似，其直方图就会尖状化，此时直方图的变换会将一个很窄范围内的像素映射到整个像素范围。这些使得某些平坦区域的少量噪音经AHE处理后会放大。

还有一个**CLAHE**（Contrast Limited Adaptive Histgram equalization）

结果：

![3e3a836e26d5636e6f11c4d73018a9ad.png][]

![595399c7998f63e02e563ed1177d1004.png][]

上述部分参考：

限制对比度自适应直方图均衡化算法原理、实现及效果 - Imageshop - 博客园www.cnblogs.com

![52121cc6e5b24d5be1f101511b4ab7ae.png][]

这里推荐下他的cnblogs,很强的大佬%%%:

Imageshop - 博客园www.cnblogs.com

**ACE**算法源自retinex算法，可以调整图像的对比度，实现人眼色彩的恒常性好和亮度恒常性。通过差分计算目标点与周围像素点的相对阴暗关系来矫正最终像素值，有很好的增强效果，但是计算复杂读非常高，本文提出一种有效一种非常有效的快速实现方法。

这个方法在开源软件GIMP已经嵌入了。

![bbb33dc94171947068899e186a3fff69.png][]

假定：x(i,j)是图像中某点的灰度值，局部区域的定义为：以(i,j)为中心，窗口大小为(2n+1)\*(2n+1)的区域，其中n为一整数。局部的平均值，也就是低频部分，可以用下式计算：

![3905ca4f47e83ece3f76becc4bc8c8d7.png][]

而局部方差为：

![774d5223fed5920447e3f31006b20686.png][]

上述式子中

![Image 1][] 就是所谓的局部标准差(LSD)。定义f(i,j）表示x(i,j)对应的增强后的像素值。则ACE算法可以表示如下：

![dfc72aa9cd6e886f6e44e8a76601f8f9.png][]

其中G(i,j)就是上文所讲的CG，一般情况下CG总是大于1的，这样高频成分\[x(i,j)-m(i,j)\]就能得到增强。

**还有一种增强方式：**

增强图像 = 模糊图像 + Amount \*(原始图像 - 模糊图像)。

这里的模糊图像可以用高斯模糊，也可以采用双边滤波器来处理，用双边滤波器效果要好。

python代码：

import cv2
    import numpy as np
    import math
     
    def stretchImage(data, s=0.005, bins = 2000):    #线性拉伸，去掉最大最小0.5%的像素值，然后线性拉伸至[0,1]
        ht = np.histogram(data, bins);
        d = np.cumsum(ht[0])/float(data.size)
        lmin = 0; lmax=bins-1
        while lmin<bins:
            if d[lmin]>=s:
                break
            lmin+=1
        while lmax>=0:
            if d[lmax]<=1-s:
                break
            lmax-=1
        return np.clip((data-ht[1][lmin])/(ht[1][lmax]-ht[1][lmin]), 0,1)
     
    g_para = {}
    def getPara(radius = 5):                        #根据半径计算权重参数矩阵
        global g_para
        m = g_para.get(radius, None)
        if m is not None:
            return m
        size = radius*2+1
        m = np.zeros((size, size))
        for h in range(-radius, radius+1):
            for w in range(-radius, radius+1):
                if h==0 and w==0:
                    continue
                m[radius+h, radius+w] = 1.0/math.sqrt(h**2+w**2)
        m /= m.sum()
        g_para[radius] = m
        return m
     
    def zmIce(I, ratio=4, radius=300):                     #常规的ACE实现
        para = getPara(radius)
        height,width = I.shape
        zh,zw = [0]*radius + range(height) + [height-1]*radius, [0]*radius + range(width)  + [width -1]*radius
        Z = I[np.ix_(zh, zw)]
        res = np.zeros(I.shape)
        for h in range(radius*2+1):
            for w in range(radius*2+1):
                if para[h][w] == 0:
                    continue
                res += (para[h][w] * np.clip((I-Z[h:h+height, w:w+width])*ratio, -1, 1))
        return res
     
    def zmIceFast(I, ratio, radius):                #单通道ACE快速增强实现
        height, width = I.shape[:2]
        if min(height, width) <=2:
            return np.zeros(I.shape)+0.5
        Rs = cv2.resize(I, ((width+1)/2, (height+1)/2))
        Rf = zmIceFast(Rs, ratio, radius)             #递归调用
        Rf = cv2.resize(Rf, (width, height))
        Rs = cv2.resize(Rs, (width, height))
     
        return Rf+zmIce(I,ratio, radius)-zmIce(Rs,ratio,radius)    
                
    def zmIceColor(I, ratio=4, radius=3):               #rgb三通道分别增强，ratio是对比度增强因子，radius是卷积模板半径
        res = np.zeros(I.shape)
        for k in range(3):
            res[:,:,k] = stretchImage(zmIceFast(I[:,:,k], ratio, radius))
        return res
     
    if __name__ == '__main__':
        m = zmIceColor(cv2.imread('p4.bmp')/255.0)*255
        cv2.imwrite('zmIce.jpg', m)

C++版本代码：

//ace 自适应对比度均衡研究
    //by  jsxyhelu
    //感谢 imageshop
    #include "stdafx.h"
    #include <iostream>
    #include "opencv2/core/core.hpp"
    #include "opencv2/highgui/highgui.hpp"
    #include "opencv2/imgproc/imgproc.hpp"
    using namespace std;
    using namespace cv;
    //点乘法 elementWiseMultiplication
    cv::Mat EWM(cv::Mat m1,cv::Mat m2){
         
        Mat dst=m1.mul(m2);
        return dst;
    }
    //图像局部对比度增强算法
    cv::Mat ACE(cv::Mat src,int C = 4,int n=20,int MaxCG = 5){
         
        Mat meanMask;
        Mat varMask;
        Mat meanGlobal;
        Mat varGlobal;
        Mat dst;
        Mat tmp;
        Mat tmp2;
        blur(src.clone(),meanMask,Size(50,50));//meanMask为局部均值 
        tmp = src - meanMask;  
        varMask = EWM(tmp,tmp);         
        blur(varMask,varMask,Size(50,50));    //varMask为局部方差   
        //换算成局部标准差
        varMask.convertTo(varMask,CV_32F);
        for (int i=0;i<varMask.rows;i++){
         
            for (int j=0;j<varMask.cols;j++){
         
                varMask.at<float>(i,j) =  (float)sqrt(varMask.at<float>(i,j));
            }
        }
        meanStdDev(src,meanGlobal,varGlobal); //meanGlobal为全局均值 varGlobal为全局标准差
        tmp2 = varGlobal/varMask;
        for (int i=0;i<tmp2.rows;i++){
         
            for (int j=0;j<tmp2.cols;j++){
         
                if (tmp2.at<float>(i,j)>MaxCG){
         
                    tmp2.at<float>(i,j) = MaxCG;
                }
            }
        }
        tmp2.convertTo(tmp2,CV_8U);
        tmp2 = EWM(tmp2,tmp);
        dst = meanMask + tmp2;
        imshow("D方法",dst);
        dst = meanMask + C*tmp;
        imshow("C方法",dst);
        return dst;
    }
    void main()
    {
         
        Mat src = imread("plant.bmp",0); 
        imshow("src",src);
        ACE(src);
        waitKey();
    }

参考文献：

https://blog.csdn.net/piaoxuezhong/article/details/78385517blog.csdn.net https://blog.csdn.net/piaoxuezhong/article/details/78357815blog.csdn.net https://blog.csdn.net/m\_buddy/article/details/53365473blog.csdn.net 局部标准差实现对比度增强 - jsxyhelu - 博客园www.cnblogs.com

![7f5a14bf95e7188e7db8ca8d8ab64509.png][]

https://blog.csdn.net/zmshy2128/article/details/53470357blog.csdn.net 使用局部标准差实现图像的局部对比度增强算法。 - Imageshop - 博客园www.cnblogs.com

![9a17ef63cfd8d474670a0631e0cc977e.png][]

使用局部标准差实现图像的局部对比度增强算法。 - Imageshop - 博客园www.cnblogs.com

![9a17ef63cfd8d474670a0631e0cc977e.png][]

[3e3a836e26d5636e6f11c4d73018a9ad.png]: /images/20221119/128562cbdb8f4ae2baaf6f9d5a7a0944.png
[595399c7998f63e02e563ed1177d1004.png]: /images/20221119/defa96c778cf492d84e71786b873516b.png
[52121cc6e5b24d5be1f101511b4ab7ae.png]: /images/20221119/366551ec2dfd4b13a57044ae3052292f.png
[bbb33dc94171947068899e186a3fff69.png]: /images/20221119/d258722e0d294ed388746ff1c23159eb.png
[3905ca4f47e83ece3f76becc4bc8c8d7.png]: /images/20221119/c74272c1d4854cd38abe9db09e701ce4.png
[774d5223fed5920447e3f31006b20686.png]: /images/20221119/e1043903dac340c1858c8b8fe5912b53.png
[Image 1]: 
[dfc72aa9cd6e886f6e44e8a76601f8f9.png]: /images/20221119/0a593d9848814a5eb65307d5dff71ef6.png
[7f5a14bf95e7188e7db8ca8d8ab64509.png]: /images/20221119/527791c451324bc3aa534783af3b69d6.png
[9a17ef63cfd8d474670a0631e0cc977e.png]: /images/20221119/d88a5d460be94a88b2f7ed113143a3fa.png