USM銳化之openCV實現，附贈調整對比度函數

　　常用Photoshop的玩家都知道Unsharp Mask(USM)銳化，它是一種增強圖像邊緣的銳化算法,原理在此處，如果你想使用這個算法，強烈推薦看一下。本文進行一下簡單的介紹，USM銳化一共分為三步，第一步生成原始圖片src的模糊圖片和高對比度圖片，記為blur和contrast.第二，把src和blur作差，得到一張差分圖片，記為diff,它就是下圖的UnsharpMask。然后把src和contras按一定的比例相加，這個比例由diff控制，最終得到銳化圖片。USM有一個缺點，銳化后最大和最小的像素值會超過原始圖片，如下圖紅色虛線和白色實線所示。

 

代碼如下：

void MyTreasureBox::UnsharpMask(const IplImage* src, IplImage* dst, float amount, float radius, uchar threshold, int contrast)
{
    if(!src)return ;

    int imagewidth = src->width;
    int imageheight = src->height;
    int channel = src->nChannels;

    IplImage* blurimage =    cvCreateImage(cvSize(imagewidth,imageheight), src->depth, channel);
    IplImage* DiffImage =    cvCreateImage(cvSize(imagewidth,imageheight), 8, channel);

    //原圖的高對比度圖像
    IplImage* highcontrast = cvCreateImage(cvSize(imagewidth,imageheight), 8, channel);
    AdjustContrast(src, highcontrast, contrast);

    //原圖的模糊圖像
    cvSmooth(src, blurimage, CV_GAUSSIAN, radius);

    //原圖與模糊圖作差
    for (int y=0; y<imageheight; y++)
    {
        for (int x=0; x<imagewidth; x++)
        {
            CvScalar ori = cvGet2D(src, y, x);
            CvScalar blur = cvGet2D(blurimage, y, x);
            CvScalar val;
            val.val[0] = abs(ori.val[0] - blur.val[0]);
            val.val[1] = abs(ori.val[1] - blur.val[1]);
            val.val[2] = abs(ori.val[2] - blur.val[2]);

            cvSet2D(DiffImage, y, x, val);
        }
    }

    //銳化
    for (int y=0; y<imageheight; y++)
    {
        for (int x=0; x<imagewidth; x++)
        {
            CvScalar hc = cvGet2D(highcontrast, y, x);
            CvScalar diff = cvGet2D(DiffImage, y, x);
            CvScalar ori = cvGet2D(src, y, x);
            CvScalar val;

            for (int k=0; k<channel; k++)
            {
                if (diff.val[k] > threshold)
                {
                    //最終圖像 = 原始*(1-r) + 高對比*r
                    val.val[k] = ori.val[k] *(100-amount) + hc.val[k] *amount;
                    val.val[k] /= 100;
                }
                else
                {
                    val.val[k] = ori.val[k];
                }
            }
            cvSet2D(dst, y, x, val);
        }
    }

    cvReleaseImage(&blurimage);
    cvReleaseImage(&DiffImage);
}

 

其中用到一個調整圖像對比度的函數

void MyTreasureBox::AdjustContrast(const IplImage* src, IplImage* dst, int contrast)
{
    if (!src)return ;

    int imagewidth = src->width;
    int imageheight = src->height;
    int channel = src->nChannels;

    //求原圖均值
    CvScalar mean = {0,0,0,0};
    for (int y=0; y<imageheight; y++)
    {
        for (int x=0; x<imagewidth; x++)
        {                     
            CvScalar ori = cvGet2D(src, y, x);
            for (int k=0; k<channel; k++)
            {
                mean.val[k] += ori.val[k];
            }         
        }
    }
    for (int k=0; k<channel; k++)
    {
        mean.val[k] /= imagewidth * imageheight;
    }

    //調整對比度
    if (contrast <= -255)    
    {
        //當增量等於-255時，是圖像對比度的下端極限，此時，圖像RGB各分量都等於閥值，圖像呈全灰色，灰度圖上只有1條線，即閥值灰度；
        for (int y=0; y<imageheight; y++)
        {
            for (int x=0; x<imagewidth; x++)
            {
                cvSet2D(dst, y, x, mean);
            }
        }
    } 
    else if(contrast > -255 &&  contrast <= 0)
    {
        //(1)nRGB = RGB + (RGB - Threshold) * Contrast / 255
        // 當增量大於-255且小於0時，直接用上面的公式計算圖像像素各分量
        //公式中，nRGB表示調整后的R、G、B分量，RGB表示原圖R、G、B分量，Threshold為給定的閥值，Contrast為處理過的對比度增量。
        for (int y=0; y<imageheight; y++)
        {
            for (int x=0; x<imagewidth; x++)
            {
                CvScalar nRGB;
                CvScalar ori = cvGet2D(src, y, x);
                for (int k=0; k<channel; k++)
                {
                    nRGB.val[k] = ori.val[k] + (ori.val[k] - mean.val[k]) *contrast /255;
                }
                cvSet2D(dst, y, x, nRGB);
            }
        }
    }
    else if(contrast >0 && contrast <255)
    {
        //當增量大於0且小於255時，則先按下面公式(2)處理增量，然后再按上面公式(1)計算對比度：
        //(2)、nContrast = 255 * 255 / (255 - Contrast) - 255
        //公式中的nContrast為處理后的對比度增量，Contrast為給定的對比度增量。                

        CvScalar nRGB;
        int nContrast = 255 *255 /(255 - contrast) - 255;

        for (int y=0; y<imageheight; y++)
        {
            for (int x=0; x<imagewidth; x++)
            {
                CvScalar ori = cvGet2D(src, y, x);
                for (int k=0; k<channel; k++)
                {
                    nRGB.val[k] = ori.val[k] + (ori.val[k] - mean.val[k]) *nContrast /255;
                }
                cvSet2D(dst, y, x, nRGB);
            }
        }
    }
    else
    {
        //當增量等於 255時，是圖像對比度的上端極限，實際等於設置圖像閥值，圖像由最多八種顏色組成，灰度圖上最多8條線，
        //即紅、黃、綠、青、藍、紫及黑與白；        
        for (int y=0; y<imageheight; y++)
        {
            for (int x=0; x<imagewidth; x++)
            {
                CvScalar rgb;
                CvScalar ori = cvGet2D(src, y, x);
                for (int k=0; k<channel; k++)
                {
                    if (ori.val[k] > mean.val[k])
                    {
                        rgb.val[k] = 255;
                    }
                    else
                    {
                        rgb.val[k] = 0;
                    }                    
                }
                cvSet2D(dst, y, x, rgb);
            }
        }
    }
}