OpenCV4开发入门教程047：对数变换

对数变换将图像的低灰度值部分扩展，将其高灰度值部分压缩，以达到强调图像低灰度部分的目的；同时可以很好的压缩像素值变化较大的图像的动态范围，目的是突出我们需要的细节。反对数变换则与对数函数不同的是，强调的是图像的高灰度部分，对数变换公式如下

$s=c\ log(1+r)$

实现方法有三种方式，详细的看程序，logTransform1基于源图像，logTransform2()和logTransform3()直接对目标进行操作。

测试代码：

// 功能：代码 3-22 对数变换的三种实现方法
// 作者：朱伟 zhu1988wei@163.com
// 来源：《OpenCV图像处理编程实例》
// 博客：http://blog.csdn.net/zhuwei1988
// 更新：2016-8-1
// 说明：版权所有，引用或摘录请联系作者，并按照上面格式注明出处，谢谢。//

#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>
using namespace cv;

// 对数变换方法1
cv::Mat logTransform1(cv::Mat srcImage, int c) {
    // 输入图像判断
    if (srcImage.empty())
        std::cout << "No data!" << std::endl;
    cv::Mat resultImage = cv::Mat::zeros(srcImage.size(), srcImage.type());
    // 计算 1 + r
    cv::add(srcImage, cv::Scalar(1.0), srcImage);
    // 转换为32位浮点数
    srcImage.convertTo(srcImage, CV_32F);
    // 计算 log(1 + r)
    log(srcImage, resultImage);
    resultImage = c * resultImage;
    // 归一化处理
    cv::normalize(resultImage, resultImage, 0, 255, cv::NORM_MINMAX);
    cv::convertScaleAbs(resultImage, resultImage);
    return resultImage;
}

// 对数变换方法2
cv::Mat logTransform2(Mat srcImage, float c) {
    // 输入图像判断
    if (srcImage.empty())
        std::cout << "No data!" << std::endl;
    cv::Mat resultImage = cv::Mat::zeros(srcImage.size(), srcImage.type());
    double  gray        = 0;
    // 图像遍历分别计算每个像素点的对数变换
    for (int i = 0; i < srcImage.rows; i++) {
        for (int j = 0; j < srcImage.cols; j++) {
            gray                        = (double)srcImage.at<uchar>(i, j);
            gray                        = c * log((double)(1 + gray));
            resultImage.at<uchar>(i, j) = saturate_cast<uchar>(gray);
        }
    }
    // 归一化处理
    cv::normalize(resultImage, resultImage, 0, 255, cv::NORM_MINMAX);
    cv::convertScaleAbs(resultImage, resultImage);
    return resultImage;
}

// 对数变换方法3
cv::Mat logTransform3(Mat srcImage, float c) {
    // 输入图像判断
    if (srcImage.empty())
        std::cout << "No data!" << std::endl;
    cv::Mat resultImage = cv::Mat::zeros(srcImage.size(), srcImage.type());
    srcImage.convertTo(resultImage, CV_32F);
    resultImage = resultImage + 1;
    cv::log(resultImage, resultImage);
    resultImage = c * resultImage;
    cv::normalize(resultImage, resultImage, 0, 255, cv::NORM_MINMAX);
    cv::convertScaleAbs(resultImage, resultImage);
    return resultImage;
}

int main() {
    // 读取灰度图像及验证
    cv::Mat srcImage = cv::imread("lena.jpg", 0);
    if (!srcImage.data)
        return -1;
    cv::imshow("srcImage", srcImage);
    float   c = 1.1;
    cv::Mat resultImage;
    resultImage = logTransform1(srcImage, c);//方法一
    cv::imshow("resultImage1", resultImage);
    resultImage = logTransform2(srcImage, c);//方法二
    cv::imshow("resultImage2", resultImage);
    resultImage = logTransform3(srcImage, c);//方法三
    cv::imshow("resultImage3", resultImage);
    cv::waitKey(0);
    return 0;
}