opencv

Opencv的Gamma转换与二值化处理

1. 头文件和命名空间

#include <opencv2/opencv.hpp>  // 包含OpenCV库的所有主要功能
#include <iostream>            // 输入输出流，用于在控制台显示信息
#include <vector>              // 向量容器，用于存储数据
#include <cmath>               // 数学函数库

using namespace cv;    // 使用OpenCV的命名空间，这样就不用写cv::了
using namespace std;   // 使用标准库的命名空间

通俗理解：就像在游戏开始前要导入各种工具包，这些#include就是告诉编译器我们需要用到哪些工具。

2. Gamma变换函数详解

// Gamma变换函数 - 就像调整手机屏幕的亮度曲线
Mat gammaCorrection(const Mat& src, double gamma) {
    // Mat是OpenCV的"图片容器"，可以想象成一个装图片数据的盒子
    // const Mat& src 表示输入图片，&表示引用（不复制数据），const表示不会修改原图
    
    // 创建查找表 - 就像制作一个亮度转换表
    Mat lookupTable(1, 256, CV_8U);
    // 这个表有1行，256列，每个元素是8位无符号整数(0-255)
    
    uchar* p = lookupTable.ptr();  // 获取表的指针，方便操作数据
    for (int i = 0; i < 256; ++i) {
        // 计算新的亮度值：pow(i/255.0, gamma) * 255.0
        // 就像把0-255的亮度值按照gamma曲线重新映射
        p[i] = saturate_cast<uchar>(pow(i / 255.0, gamma) * 255.0);
        // saturate_cast确保计算结果在0-255范围内，不会溢出
    }
    
    Mat dst;  // 创建输出图片的容器
    LUT(src, lookupTable, dst);  // 使用查找表转换图片
    // LUT = Look Up Table，就像根据转换表把每个像素的亮度值换成新的
    
    return dst;  // 返回处理后的图片
}

Gamma变换原理：

• gamma < 1：增强暗部细节（让暗的地方变亮）
• gamma > 1：增强亮部细节（让亮的地方更突出）
• gamma = 1：不做任何改变

3. 二值化函数详解

// 自适应二值化处理 - 把图片变成黑白两色
Mat adaptiveBinary(const Mat& src) {
    Mat gray, binary;  // 创建灰度图和二值图的容器
    
    // 判断输入图片是彩色还是灰度
    if (src.channels() == 3) {
        // 如果是彩色图片（3个通道：蓝、绿、红）
        cvtColor(src, gray, COLOR_BGR2GRAY);
        // cvtColor是颜色转换函数，把BGR彩色图转成灰度图
    } else {
        gray = src.clone();  // 如果已经是灰度图，就复制一份
        // clone()是深拷贝，创建完全独立的新副本
    }
    
    // 自适应阈值二值化 - 智能黑白化
    adaptiveThreshold(gray, binary, 255, ADAPTIVE_THRESH_GAUSSIAN_C, 
                     THRESH_BINARY, 11, 2);
    // 参数解释：
    // gray: 输入灰度图
    // binary: 输出二值图
    // 255: 超过阈值的像素设为白色(255)
    // ADAPTIVE_THRESH_GAUSSIAN_C: 使用高斯加权计算局部阈值
    // THRESH_BINARY: 二值化模式（大于阈值=白，小于阈值=黑）
    // 11: 邻域大小（计算阈值时考虑的局部区域大小）
    // 2: 从平均权重中减去的常数
    
    return binary;  // 返回黑白图片
}

4. 主函数详细解析

int main() {
    // 读取图像 - 就像从文件里加载一张图片
    Mat src = imread("src.png");
    // Mat是OpenCV的核心类，用来存储图片数据
    // 可以想象成一种智能的图片容器
    
    if (src.empty()) {  // 检查图片是否加载成功
        cout << "无法读取图像文件 src.png" << endl;
        return -1;  // 返回-1表示程序异常结束
    }
    
    // 显示图片信息
    cout << "图像尺寸: " << src.size() << endl;      // 图片的宽度和高度
    cout << "图像通道数: " << src.channels() << endl; // 颜色通道数（3=彩色，1=灰度）
    
    // 创建窗口并显示原始图像
    namedWindow("原始图像", WINDOW_NORMAL);  // 创建可调整大小的窗口
    imshow("原始图像", src);  // 在窗口中显示图片
    
    // 步骤1: Gamma变换增强对比度
    double gamma = 0.5;  // Gamma值，这里设为0.5来增强暗部细节
    Mat gamma_img = gammaCorrection(src, gamma);
    // 调用我们之前写的Gamma变换函数
    
    namedWindow("Gamma变换后", WINDOW_NORMAL);
    imshow("Gamma变换后", gamma_img);
    
    // 步骤2: 转换为灰度图
    Mat gray;
    cvtColor(gamma_img, gray, COLOR_BGR2GRAY);
    // 把Gamma处理后的彩色图转成灰度图，减少计算量
    
    // 步骤3: 自适应二值化
    Mat binary = adaptiveBinary(gray);
    // 调用二值化函数，得到黑白图片
    
    // 步骤4: 形态学操作去除噪声 - 就像给图片"美容"
    Mat kernel = getStructuringElement(MORPH_RECT, Size(3, 3));
    // 创建3x3的矩形结构元素，用于形态学操作
    
    morphologyEx(binary, binary, MORPH_OPEN, kernel);
    // 开运算：先腐蚀后膨胀，去除小噪点，平滑边界
    
    // 显示最终的二值化结果
    namedWindow("二值化结果", WINDOW_NORMAL);
    imshow("二值化结果", binary);
    
    // 保存处理后的图像
    vector<int> compression_params;  // 创建整数向量存储压缩参数
    compression_params.push_back(IMWRITE_PNG_COMPRESSION);  // 添加压缩类型
    compression_params.push_back(9);  // 压缩级别(0-9，9=最高压缩)
    
    imwrite("processed_result.png", binary, compression_params);
    cout << "处理后的图像已保存为 processed_result.png" << endl;
    
    // 等待按键 - 程序停在这里，直到用户按任意键
    waitKey(0);
    
    return 0;  // 程序正常结束
}

核心概念解释

1. Mat 是什么？

Mat 是OpenCV的图片容器类，可以理解为：

• 一个智能的图片数据盒子
• 自动管理内存，不用手动分配和释放
• 存储像素数据、尺寸、颜色通道等信息

2. 关键函数的作用：

• imread()：读取图片文件
• imshow()：显示图片
• imwrite()：保存图片
• cvtColor()：颜色空间转换
• namedWindow()：创建显示窗口
• waitKey()：等待用户输入

3. 处理流程总结：

1. 读图 → 2. Gamma增强 → 3. 转灰度 → 4. 二值化 → 5. 去噪 → 6. 显示保存

完整可运行代码

把以下代码保存为 main.cpp：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;
using namespace std;

// Gamma变换：调整图片亮度曲线
Mat gammaCorrection(const Mat& src, double gamma) {
    Mat lookupTable(1, 256, CV_8U);
    uchar* p = lookupTable.ptr();
    for (int i = 0; i < 256; ++i) {
        p[i] = saturate_cast<uchar>(pow(i / 255.0, gamma) * 255.0);
    }
    
    Mat dst;
    LUT(src, lookupTable, dst);
    return dst;
}

// 二值化：把图片变成黑白两色
Mat adaptiveBinary(const Mat& src) {
    Mat gray, binary;
    
    if (src.channels() == 3) {
        cvtColor(src, gray, COLOR_BGR2GRAY);
    } else {
        gray = src.clone();
    }
    
    adaptiveThreshold(gray, binary, 255, ADAPTIVE_THRESH_GAUSSIAN_C, 
                     THRESH_BINARY, 11, 2);
    return binary;
}

int main() {
    // 1. 读取图片
    Mat src = imread("src.png");
    if (src.empty()) {
        cout << "错误：找不到src.png文件！" << endl;
        return -1;
    }
    
    // 2. Gamma变换增强
    Mat gamma_img = gammaCorrection(src, 0.5);
    
    // 3. 二值化处理
    Mat binary = adaptiveBinary(gamma_img);
    
    // 4. 显示结果
    imshow("原始图像", src);
    imshow("处理结果", binary);
    
    // 5. 保存结果
    imwrite("processed_result.png", binary);
    cout << "处理完成！结果已保存为processed_result.png" << endl;
    
    waitKey(0);
    return 0;
}

这样解释后，你应该能理解每一行代码的作用了！这个程序的核心思想就是：先调整亮度让数字更明显，然后转换成黑白图让数字突出显示。