点击上方“蓝字”关注“AI开发者”

本文来自 @BBuf 的社区专栏 GiantPandaCV，文末扫码即可订阅专栏。

前言

这是OpenCV图像处理专栏的第八篇文章，这篇文章是在之前的推文 OpenCV图像处理专栏二 |《Local Color Correction 》论文阅读及C++复现基础上进行了改进，仍然针对数字图像的光照不均衡现象进行校正。

算法原理

首先在《Local Color Correction》中有指数部分为，具体去看上篇文章，这篇论文优化了2个地方：

第一，高斯模糊的mask使用双边滤波来代替，因为双边滤波的保边特性，可以更好的保持边缘信息。
第二，常数2使用来代替，并且是和图像内容相关的，当图像的整体平均值小于128时，使用:计算，当平均值大于128时，使用,意思就是说对于低对比度的图像，应该需要比较强的矫正幅度，所以应该偏大，反之对于高对比度的图像，只需要较弱的校正幅度。
但是这里有个trick，就是说对于第二条，实际上存在很大的问题，比如对于我们下面测试的原图，由于他上半部分为天空，下半部分比较暗，且基本各占一般，因此其平均值非常靠近128，因此计算出的α也非常接近1，这样如果按照改进后的算法进行处理，则基本上图像无什么变化，显然这是不符合实际的需求的，因此，个人认为作者这一改进是不合理的，还不如对所有的图像该值都取2，靠mask值来修正对比度，我实现的代码也是取了2。

算法实现

接下来我们实现算法需要对RGB图像进行处理，我们可以像我之前那篇推文那样对RGB通道分别处理，但是可能会存在色偏，所以可以在YUV或者CIELAB等等空间只对亮度的通道进行处理，最后再转回RGB，并且作者提出在对Y分量做处理后，再转换到RGB空间，图像会出现饱和度一定程度丢失的现象，看上去图像似乎色彩不足。所以论文提出了一个修正的公式为：

代码实现

Mat ContrastImageCorrection(Mat src){

    int rows = src.rows;

    int cols = src.cols;

    Mat yuvImg;

    cvtColor(src, yuvImg, CV_BGR2YUV_I420);

    vector <Mat> mv;

    split(yuvImg, mv);

    Mat OldY = mv[0].clone();

//    for(int i = 0; i < rows; i++){

//        for(int j = 0; j < cols; j++){

//            mv[0].at<uchar>(i, j) = 255 - mv[0].at<uchar>(i, j);

//        }

//    }

    Mat temp;

    bilateralFilter(mv[0], temp, 9, 50, 50);

    //GaussianBlur(mv[0], temp, Size(41, 41), BORDER_DEFAULT);

    for(int i = 0; i < rows; i++){

        for(int j = 0; j < cols; j++){

            float Exp = pow(2, (128 - (255 - temp.at<uchar>(i, j))) / 128.0);

            int value = int(255 * pow(OldY.at<uchar>(i, j) / 255.0, Exp));

            temp.at<uchar>(i, j) = value;

        }

    }

    Mat dst(rows, cols, CV_8UC3);

//    mv[0] = temp;

//    merge(mv, dst);

//    cvtColor(dst, dst, CV_YUV2BGRA_I420);

    for(int i = 0; i < rows; i++){

        for(int j = 0; j < cols; j++) {

            if (OldY.at<uchar>(i, j) == 0) {

                for (int k = 0; k < 3; k++) dst.at<Vec3b>(i, j)[k] = 0;

            } else {

                //channel B

                dst.at<Vec3b>(i, j)[0] =

                        (temp.at<uchar>(i, j)  * (src.at<Vec3b>(i, j)[0] + OldY.at<uchar>(i, j)) / OldY.at<uchar>(i, j) +

                         src.at<Vec3b>(i, j)[0] - OldY.at<uchar>(i, j)) >> 1;

                //channel G

                dst.at<Vec3b>(i, j)[1] =

                        (temp.at<uchar>(i, j)  * (src.at<Vec3b>(i, j)[1] + OldY.at<uchar>(i, j)) / OldY.at<uchar>(i, j) +

                         src.at<Vec3b>(i, j)[1] - OldY.at<uchar>(i, j)) >> 1;

                //channel R

                dst.at<Vec3b>(i, j)[2] =

                        (temp.at<uchar>(i, j) * (src.at<Vec3b>(i, j)[2] + OldY.at<uchar>(i, j)) / OldY.at<uchar>(i, j) +

                         src.at<Vec3b>(i, j)[2] - OldY.at<uchar>(i, j)) >> 1;

            }

        }

    }

//    for(int i = 0; i < rows; i++){

//        for(int j = 0; j < cols; j++){

//            for(int k = 0; k < 3; k++){

//                if(dst.at<Vec3b>(i, j)[k] < 0){

//                    dst.at<Vec3b>(i, j)[k] = 0;

//                }else if(dst.at<Vec3b>(i, j)[k] > 255){

//                    dst.at<Vec3b>(i, j)[k] = 255;

//                }

//            }

//        }

//    }

    return dst;

}


int main(){

    Mat src = imread(../1.jpg");

    Rect rect(0, 0, (src.cols-1)/2*2, (src.rows-1)/2*2); //保证长宽都是偶数

    Mat newsrc = src(rect);

    Mat dst = ContrastImageCorrection(newsrc);

    imshow("origin", newsrc);

    imshow("result", dst);

    waitKey(0);

    return 0;

}