【20160924】GOCVHelper 图像增强部分(5)

简介: // Multiply 正片叠底 void Multiply(Mat& src1, Mat& src2, Mat& dst) {     for(int index_row=0; index_row
// Multiply 正片叠底
void Multiply(Matsrc1Matsrc2Matdst)
{
    for(int index_row=0; index_row<src1.rowsindex_row++)
    {
        for(int index_col=0; index_col<src1.colsindex_col++)
        {
            for(int index_c=0; index_c<3; index_c++)
                dst.at<Vec3f>(index_rowindex_col)[index_c]=
                src1.at<Vec3f>(index_rowindex_col)[index_c]*
                src2.at<Vec3f>(index_rowindex_col)[index_c];
        }
    }
}
// Color_Burn 颜色加深
void Color_Burn(Matsrc1Matsrc2Matdst)
{
    for(int index_row=0; index_row<src1.rowsindex_row++)
    {
        for(int index_col=0; index_col<src1.colsindex_col++)
        {
            for(int index_c=0; index_c<3; index_c++)
                dst.at<Vec3f>(index_rowindex_col)[index_c]=1-
                (1-src1.at<Vec3f>(index_rowindex_col)[index_c])/
                src2.at<Vec3f>(index_rowindex_col)[index_c];
        }
    }
}
// 线性增强
void Linear_Burn(Matsrc1Matsrc2Matdst)
{
    for(int index_row=0; index_row<src1.rowsindex_row++)
    {
        for(int index_col=0; index_col<src1.colsindex_col++)
        {
            for(int index_c=0; index_c<3; index_c++)
                dst.at<Vec3f>(index_rowindex_col)[index_c]=max(
                src1.at<Vec3f>(index_rowindex_col)[index_c]+
                src2.at<Vec3f>(index_rowindex_col)[index_c]-1, (float)0.0);
        }
    }

}

模拟ps中的图像叠加操作,实现同样的效果





目前方向:图像拼接融合、图像识别 联系方式:jsxyhelu@foxmail.com
目录
相关文章
|
7月前
|
机器学习/深度学习 算法
低光图像增强
这篇摘要讨论了低光照图像增强技术,涉及HDRNet、GAN、轻量化伪影、语义分割网络和Retinex等方法。核心任务是提升图像亮度和细节。方法包括分布映射(如伽马矫正、直方图均衡化)、模型优化(Retinex理论)和深度学习(亮度增强与噪声去除)。传统方法不依赖数据,但可能产生伪影;深度学习方法需大量训练数据,无监督学习更优。不足之处在于缺乏成对数据集和精确标签。
168 1
|
7月前
halcon的灰度变换(图像增强)
halcon的灰度变换(图像增强)
387 1
|
7月前
|
计算机视觉
[Halcon&图像] 图像增强算子汇总
[Halcon&图像] 图像增强算子汇总
277 1
|
算法 计算机视觉
图像增强—图像锐化
图像增强—图像锐化
图像增强—图像锐化
|
机器学习/深度学习 算法 计算机视觉
【图像配准】基于surf实现图像特征点检测及图像拼接处理附matlab代码
【图像配准】基于surf实现图像特征点检测及图像拼接处理附matlab代码
|
算法 计算机视觉
RANSAC算法在图像拼接上的应用的实现
关于算法原理请参考《基于SURF特征的图像与视频拼接技术的研究》。一、问题提出         RANSAC的算法原理并不复杂,比较复杂的地方在于“建立模型”和“评价模型”。我们经常看到的是采用“直线”或者“圆”作为基本模型进行“建立”,而采用所有点到该“直线”或“圆”的欧拉距离作为标准来“评价”(当然是越小越好)。
2635 0
|
计算机视觉
OpenCV小项目:图像融合(泊松融合—Possion Blending)
OpenCV小项目:图像融合(泊松融合—Possion Blending)
829 0
OpenCV小项目:图像融合(泊松融合—Possion Blending)
Halcon图像增强算子(直方图均衡化等)
Halcon图像增强算子(直方图均衡化等)
1511 0
|
计算机视觉
OpenCV图像增强算子
OpenCV图像增强算子
177 0
|
计算机视觉 算法 定位技术
OpenCV 单应矩阵应用:全景图像融合原理
之前的写了好几篇文,什么特征点检测,匹配,RANSAC之类的乱七八糟的,就是为了做这个应用。了解原理之后用NI Vision实现,数图的课程设计算是交差了~~全景图像融合使用到SIFT算子(特征点检测和匹配)、单应矩阵(立体几何)和RANSAC(随机抽样一致性)之类的内容,了解其中的领域和原理还是需要花点时间的。
2120 0