OpenCV：圖像增亮與直方圖均衡

銳化

左：去噪后銳化 中：原圖 右：直接銳化

不管是直接銳化，還是去噪后進行銳化，都會使得圖像的噪聲更加地嚴重，所以，去噪和銳化就先不做了，直接進行圖像增亮和非線性拉伸

增亮

增亮使用加分進行增亮，防止乘法造成了像素值溢出。

1. 利用opencv進行加法增亮時，有兩種操作：

   • 直接進行加法，該方法若超過255的像素會被取模，導致處理后像素值可能變低

   • 使用cv2.add進行加法，該方法若超過255，則任然等於255。所以我們的處理使用的是這個方法

2. 亮度值的選擇

   分別嘗試了30、40、50、60、80、100的增亮，可以發現，當亮度增量值為30時候，可以比原圖看到更多的細節，且對比其他圖，不會有明顯的全局泛亮的效果，更有助於直方圖均衡。

自適應直方圖均衡

clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(16, 16))
img_his = clahe.apply(img_add)

主要有兩個超參數，一個是clipLImit決定均衡的閾值，一個是tileGridSize決定均衡的圖像patch大小

clipLimit調節

1. 當閾值設為太小時，如1，導致對比度不夠
2. 當閾值設置太大時，如3和4，導致對比度太大
3. 所以，選取了clipLimit=2.0作為第一個參數值

tileGridSize調節

1. 當該值設置太小時，對比度若一些，且取值4和8時候差別不大
2. 當該值設置適當時，可以明顯看到局部的對比度不同，通過比較，我認為取32較為合適

最終效果圖

彈性纖維處理效果 左圖：處理好 右圖：處理前

膠原纖維處理效果 左圖：處理好 右圖：處理前

代碼

def img_enhanced(img, add=30, cliplimit=2.0, tilegridsize=32):
    img_add = cv2.add(img, add)
    clahe = cv2.createCLAHE(clipLimit=cliplimit, tileGridSize=(tilegridsize, tilegridsize))
    img_enhanced = clahe.apply(img_add)
    return img_enhanced