灰度差分统计法计算图像的对比度

75 阅读 0 评论 50 点赞

我是靠谱客的博主悦耳小松鼠，最近开发中收集的这篇文章主要介绍灰度差分统计法计算图像的对比度，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

灰度差分统计法计算图像的对比度
本文采用灰度差分统计法计算图像的对比度、角度方向二阶矩、熵、平均值来描述纹理图像的特征，具体原理如下：
设（x,y）为图像中的一点，该点与和它只有微小距离的点（x+△x,y+△y）的灰度差分值为
g△(x,y)=g(x,y)-g(x+△x,y+△y)
式中，g△为灰度差分。设灰度差分的所有可能取值共有m级，令点(x,y)在整幅图像上移动，累计出g△(x,y)取各个数值的次数，由此便可以做出g△(x,y)的直方图。由直方图可以知道g△(x,y)取值的概率p△(i),i在1~m之间取值
当较小的i值的概率p△(i)较大时，说明纹理较粗糙，当p△(i)的各个取值较接近时，即概率分布较平坦时，说明纹理较细。
对比度计算公式
CON = ∑i^2PΔ(i)
角度方向计算公式
ASM=CON = ∑i[PΔ(i)]^2,
熵
ENT= -∑iPΔ(i)lg PΔ(i)
平均值
MEAN = 1/m ∑iPΔ(i)

结果如下：
以LINA作为示例
原图像
图像直方图
在这里插入图片描述

插入链接与图片

计算结果
在这里插入图片描述

#include<opencv2/opencv.hpp>
#include<opencv2/core/core.hpp>
#include<iostream>
#include<math.h>
using namespace std;
using namespace cv;
/*绘制直方图函数*/
void show_his(Mat &Image,Mat &HI)
{
	int channels = 0;    //计算图像的通道
	MatND disHist;        //配置输出的结果
	int histSize[] = { 256 };//将数值分组，每个灰度范围一组
	float midRanges[] = { 0, 256 };  //确定每个维度的取值范围
	const float *ranges[] = { midRanges };
	//调用calcHist函数，将直方图的信息存储到disHist
	calcHist(&Image, 1, &channels, Mat(), disHist, 1, histSize, ranges, true, false);
	Mat drawImage = Mat::zeros(Size(256, 256), CV_8SC3);//黑底的图像
	//计算直方图后像素的最大个数
	double g_dHistMaxValue;
	minMaxLoc(disHist, 0, &g_dHistMaxValue, 0, 0);
	for (int i = 0; i < 256; i++)  //遍历直方图数据
	{
		int value = cvRound(disHist.at<float>(i) * 256 * 0.9 / g_dHistMaxValue);

		line(drawImage, Point(i, drawImage.rows - 1), Point(i, drawImage.rows - 1 - value), Scalar(255, 255, 255));
		//参数   要绘制的线段的图像  线段的起点      线段的终点                               线段的颜色
	}
	 HI = drawImage.clone();
}
int main()
{
	Mat img = imread("lena.bmp");
	imshow("Lena", img);
	Mat mi;
	int row = img.rows;
	int col = img.cols;
	//CON=i*i*P(I)
	//计算i
	mi.create(row, col, img.type());
	for (int i = 0; i < row-1; i++)
		for (int j = 0; j < col; j++)
		{   
			//cout << "BEF" << int(img.ptr<uchar>(i)[j]) << endl;
			mi.at<Vec3b>(i, j) = img.at<Vec3b>(i + 1, j) - img.at<Vec3b>(i, j);
			//cout << "IMF:" << int(mi.ptr<uchar>(i)[j]) << endl;
		}
	//计算p(I)  差值的概率
	int new_cols = mi.cols;
	int new_rows = mi.rows;
	int gray[256] = { 0 };
	double gray_prob[256] = { 0 };
	int num = 0;// 像素的总个数
	//统计直方图各个像素灰度值
	for (int i = 0; i < mi.rows; i++)
	{
		uchar *p = mi.ptr<uchar>(i);
		for (int j = 0; j < mi.cols; j++)
		{
			int value = p[j];
			gray[value]++;
			num++;
		}
	}
	//计算直方图概率分布
	for (int i = 0; i < 256; i++)
	{
		gray_prob[i] = ((double)gray[i] / num);
	}
	double CON = 0;
	double ASM = 0;
	double ENT = 0;
	double MEAN = 0;
	double v = 1.0/ 255.0;
	for (int i = 0; i <= 255; i++)
	{
		CON += i*i*gray_prob[i];//计算CON
		ASM += gray_prob[i] * gray_prob[i];//计算角度方向二阶矩
		if (gray_prob[i]!=0)
		ENT += (0-gray_prob[i] * log10(gray_prob[i]));//计算熵
		MEAN += v*i*gray_prob[i];//计算平均值
	}
	Mat HI;
	show_his(mi,HI);
	imshow("差值i的直方图", HI);
	cout << "灰度差分统计法求得的对比度为:" << CON << endl;
	cout << "灰度差分统计法求得的角度方向二阶矩为" << ASM << endl;
	cout << "灰度差分统计法求得的熵" << ENT << endl;
	cout << "灰度差分统计法求得的平均值" << MEAN << endl;
	waitKey(0);
	return 0;
}