作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处
实现原理
大家在工作和学习中，无论是写报告还是论文，经常有截图的需求，比如图表、图纸等，但是截下来的图像往往是失真模糊的，此时如果可以用算法基于某种逻辑处理下，会使图像效果好很多。
本文基于阴影识别算法写了一个图纸清晰度增强算法：图纸的特征就是背景色和字体色颜色相对单调，将所有字体和图表框用识别算法提取勾勒出来，对其进行提亮或加暗就能有直观的效果。图像分辨率方面按需求用CUBIC插值扩展。
图像阴影算法不了解的同学可以参考：
OpenCV-图像阴影调整_opencv 添加阴影-CSDN博客
下方介绍基于阴影勾勒的图纸清晰度增强算法的具体流程。
具体流程
1）读取识别图像的原图，用CUBIC插值算法进行了长宽的4倍扩展。
// 读取图像
cv::Mat src = imread("test.jpg", 0);
// 如果图像无法加载，则输出错误信息并返回
if (src.empty())
{
std::cout << "Could not open or find the image" << std::endl;
return -1;
}
// 尺寸扩大至4倍，用CUBIC插值算法，更平滑
Mat enlargedImage;
cv::resize(src, enlargedImage, Size(), 4.0, 4.0, INTER_CUBIC);
2）同样是“像”，插值后的像素感没那么重。
3）像素归一化后，通过(1-gray)*(1-gray)得到thresh图像，图像中原本暗的地方则为亮，取平均值当阈值，进行二值化得到掩膜mask。下图分别是thresh和mask。
// 像素归一化
cv::Mat gray;
input.convertTo(gray, CV_32FC1);
gray /= 255.f;
// 确定阴影区
cv::Mat thresh = cv::Mat::zeros(gray.size(), gray.type());
thresh = (1.0f - gray).mul(1.0f - gray);
// 取平均值作为阈值
float t = mean(thresh)[0];
cv::Mat mask = cv::Mat::zeros(gray.size(), CV_8UC1);
mask.setTo(255, thresh >= t);
4）根据midrate和brightrate，进行阴影区调整。假设输入的调整值为-50，对非阴影区而言，midrate都为1，brightrate都为0，即没有变化；对阴影区而言，midrate都为0.5，brightrate都为-0.125，所以色彩数值均有所增加，带来了变暗效果；对边缘地区，midrate和brightrate起到了很好的过渡作用。下图是midrate，brightrate因为看起来都是黑色的就不展示了。
// 参数设置
int max = 4;
float bright = light / 100.0f / max;
float mid = 1.0f + max * bright;
// 边缘平滑过渡
cv::Mat midrate = cv::Mat::zeros(input.size(), CV_32FC1);
cv::Mat brightrate = cv::Mat::zeros(input.size(), CV_32FC1);
for (int i = 0; i < input.rows; ++i)
{
uchar *m = mask.ptr<uchar>(i);
float *th = thresh.ptr<float>(i);
float *mi = midrate.ptr<float>(i);
float *br = brightrate.ptr<float>(i);
for (int j = 0; j < input.cols; ++j)
{
if (m[j] == 255)
{
mi[j] = mid;
br[j] = bright;
}
else
{
mi[j] = (mid - 1.0f) / t * th[j] + 1.0f;
br[j] = (1.0f / t * th[j])*bright;
}
}
}
5）对阴影进行调整。
// 阴影提亮或变暗，获取结果图
cv::Mat result = cv::Mat::zeros(input.size(), input.type());
for (int i = 0; i < input.rows; ++i)
{
float *mi = midrate.ptr<float>(i);
float *br = brightrate.ptr<float>(i);
uchar *in = input.ptr<uchar>(i);
uchar *r = result.ptr<uchar>(i);
for (int j = 0; j < input.cols; ++j)
{
for (int k = 0; k < 3; ++k)
{
float temp = pow(float(in[j]) / 255.f, 1.0f / mi[j])*(1.0 / (1 - br[j]));
uchar utemp = uchar(255 * temp);
r[j] = utemp;
}
}
}C++测试代码
// C++常用头文件
#include <algorithm>
#include <chrono>
#include <ctime>
#include <cstdio>
#include <cstdlib>
#include <cstring>
#include <direct.h>
#include <functional>
#include <fstream>
#include <filesystem>
#include <iostream>
#include <io.h>
#include <map>
#include <numeric>
#include <omp.h>
#include <random>
#include <regex>
#include <stdio.h>
#include <sstream>
#include <string>
#include <set>
#include <time.h>
#include <thread>
#include <unordered_map>
#include <unordered_set>
#include <utility>
#include <vector>
#include <Windows.h>
// 第三方相关头文件
#include <opencv2/opencv.hpp>
#include <opencv2/imgproc/imgproc.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/core/fast_math.hpp>
// 引入命名空间
using namespace std;
using namespace cv;
// 图像阴影亮暗调整
cv::Mat Shadow(cv::Mat input, int light)
{
// 像素归一化
cv::Mat gray;
input.convertTo(gray, CV_32FC1);
gray /= 255.f;
// 确定阴影区
cv::Mat thresh = cv::Mat::zeros(gray.size(), gray.type());
thresh = (1.0f - gray).mul(1.0f - gray);
// 取平均值作为阈值
float t = mean(thresh)[0];
cv::Mat mask = cv::Mat::zeros(gray.size(), CV_8UC1);
mask.setTo(255, thresh >= t);
// 参数设置
int max = 4;
float bright = light / 100.0f / max;
float mid = 1.0f + max * bright;
// 边缘平滑过渡
cv::Mat midrate = cv::Mat::zeros(input.size(), CV_32FC1);
cv::Mat brightrate = cv::Mat::zeros(input.size(), CV_32FC1);
for (int i = 0; i < input.rows; ++i)
{
uchar *m = mask.ptr<uchar>(i);
float *th = thresh.ptr<float>(i);
float *mi = midrate.ptr<float>(i);
float *br = brightrate.ptr<float>(i);
for (int j = 0; j < input.cols; ++j)
{
if (m[j] == 255)
{
mi[j] = mid;
br[j] = bright;
}
else
{
mi[j] = (mid - 1.0f) / t * th[j] + 1.0f;
br[j] = (1.0f / t * th[j])*bright;
}
}
}
// 阴影提亮，获取结果图
cv::Mat result = cv::Mat::zeros(input.size(), input.type());
for (int i = 0; i < input.rows; ++i)
{
float *mi = midrate.ptr<float>(i);
float *br = brightrate.ptr<float>(i);
uchar *in = input.ptr<uchar>(i);
uchar *r = result.ptr<uchar>(i);
for (int j = 0; j < input.cols; ++j)
{
for (int k = 0; k < 3; ++k)
{
float temp = pow(float(in[j]) / 255.f, 1.0f / mi[j])*(1.0 / (1 - br[j]));
uchar utemp = uchar(255 * temp);
r[j] = utemp;
}
}
}
return result;
}
int main()
{
// 读取图像
cv::Mat src = imread("test.jpg", 0);
// 如果图像无法加载，则输出错误信息并返回
if (src.empty())
{
std::cout << "Could not open or find the image" << std::endl;
return -1;
}
// 尺寸扩大至4倍，用CUBIC插值算法，更平滑
Mat enlargedImage;
cv::resize(src, enlargedImage, Size(), 4.0, 4.0, INTER_CUBIC);
// 图像阴影变暗：起到黑色字体颜色加深的效果
cv::Mat shadow = Shadow(enlargedImage, -50);
cout << "finish." << endl;
return 0;
}测试效果
从测试效果中可以看出，因为尺寸进行了插值，所以像素感没那么明显，同时对阴影进行了变暗，整体感受会好很多，增强了图像的整体清晰度。
如果函数有什么可以改进完善的地方，非常欢迎大家指出，一同进步何乐而不为呢~
如果文章帮助到你了，可以点个赞让我知道，我会很快乐~加油！
