OpenCV消除高亮illuminationChange函数的使用

学更好的别人，

做更好的自己。

——《微卡智享》

本文长度为1129字，预计阅读4分钟

导语

上一篇《OpenCV极坐标变换函数warpPolar的使用》中介绍了极坐标变换的使用，文中提到过因为手机拍的照片，部分地方反光厉害。OpenCV本身也有一个消除高亮的函数，今天这篇就是来了解一下消除高亮函数的使用，就结果来说，有效果，但不多。

实现效果

从上几张图中可以看出，中间印的黑字的效果还明显一些，本身白字的和原来是差不多的。接下来就先说说去除高光函数illuminationChange。

illuminationChange函数

CV_EXPORTS_W void illuminationChange(InputArray src, InputArray mask, OutputArray dst,float alpha = 0.2f, float beta = 0.4f);

参数说明：

src——源图像，3通道图像
mask——掩膜，1通道或3通道图像都可以
dst——生成图像，同src
alpha、beta——两个参数共同决定消除高光后图像的模糊程度（范围0~2）beta越大，图片平滑越多，alpha越大，越接近原图细节。

去高光函数比较简单，其实最核心的就是怎么样获取到掩膜，然后通过掩膜生成区域来实现去高光。具体的实现思路如下：

#	去高光实现步骤
1	获取图像区域，替换背景
2	二值化检测高光区域
3	查找高光区域轮廓生成掩膜
4	进行去高光操作

其实上面的步骤来说，在去高光操作最核心的两个步骤就是通过二值化检测高光区域，和查找轮廓后生成掩膜。结合我们上一篇的代码，看看怎么样实现的。

获取图像区域替换背景

在我们上一篇的代码基础上，把获取圆的区域这块单独写了个函数出来，目的主要是检测到圆后，将圆的区域截取出后，因为要去高光，所以圆外对我们来说是无用区域，直接填充到黑色，这样就减少掩膜查找无用高光区域了。

原理就是根据生成的矩形大小生成一个全黑的背景，然后将圆区域整个填充为白色，通过Mat.copyTo的方法实现。

查找高光区域

查找高光区域这里我也写成了一个函数，里面加了一步直方图均衡化，主要是本身图像清晰度也不高，所以使用直方图均衡化把图像对比度进行调整了一下，增强局部的对比度，更好的进行查找。

二值化后就是掩膜效果，为什么还要查找轮廓？

看到这里可能有人会提问，代码中threshold二值化找到的高光部分是不是直接可以当掩膜了，这个我开始也想直接这样的，省去了查找轮廓的部分，不过测试过程中直接报错了，也就是说去高光函数中掩膜区域里面只能是矩形，所以需要再加一步查找轮廓，针对轮廓生成外接矩形填充后才能使用。

经过上面两步，去高光操作就实现了，后面的就是原图和处理后的图进行的极坐标变换对比。

完整代码

#include <iostream>
#include <opencv2/opencv.hpp>using namespace std;
using namespace cv;//显示窗口设置  
//参数  img 显示的图像源，
//      winname 显示的窗口名称,
//      pointx  显示的坐标x
//      pointy  显示的坐标y
void setshowwindow(Mat img, string winname, int pointx, int pointy)
{//设置显示窗口namedWindow(winname, WindowFlags::WINDOW_NORMAL);//设置图像显示大小resizeWindow(winname, img.size());//设置图像显示位置moveWindow(winname, pointx, pointy);
}//极坐标变换
//参数 flags=INTER_LINEAR 双线性插值
Mat warpPolarMat(Mat src, int flags = INTER_LINEAR + WARP_POLAR_LINEAR) {// 圆心坐标Point2f center = Point2f(src.cols / 2, src.rows / 2);// 圆的半径double maxRadius = min(center.y, center.x) - 1;// 圆的周长int circumference = maxRadius * 2 * 3.14;//输出图像Mat dst;// 极坐标变换, Size()表示OpenCV根据输入自行决定输出图像尺寸warpPolar(src, dst, Size(0, 0), center, maxRadius, flags);// 改变结果方向rotate(dst, dst, ROTATE_90_COUNTERCLOCKWISE);return dst;
}//截取圆形图像，背景改为全黑
Mat copyCircleRoi(Mat src, Point center, int radius) {Mat rectsrc;//根据圆点和半径生成矩形Rect rect = Rect(Point(center.x - radius, center.y - radius), Point(center.x + radius, center.y + radius));//截图到当前圆的图像Mat rectroi = src(rect);//截取圆形区域Mat circleroi = Mat::zeros(rectroi.size(), CV_8U);//绘制检测到的圆circle(circleroi, Point(circleroi.rows / 2, circleroi.cols / 2), circleroi.rows / 2, Scalar(255), -1);//复制截取圆形区域rectroi.copyTo(rectsrc, circleroi);return rectsrc;
}//去除高光
Mat matilluminationChange(Mat src) {Mat gray, threshmat, dst;//复制出来改为灰度图cvtColor(src, gray, COLOR_BGR2GRAY);//直方图均衡化equalizeHist(gray, gray);//imshow("equalizeHist", gray);//二值化操作，定义大于210的即为高光threshold(gray, threshmat, 210, 255, THRESH_BINARY);//查找图片中高亮区域轮廓vector<vector<cv::Point> > contours;findContours(threshmat, contours, RETR_EXTERNAL, CHAIN_APPROX_SIMPLE);Mat mask = Mat::zeros(src.size(), CV_8UC1);for (int i = 0; i < contours.size(); ++i) {Rect rect = boundingRect(contours[i]);rectangle(mask, rect, Scalar(255), -1);}//imshow("mask", mask);//去高光illuminationChange(src, mask, dst, 1.0f, 0.1f);return dst;
}int main(int argc, char** argv) {//测试图片文件  string testfile = "E:/DCIM/imagetest/06.png";//读取图片Mat src = imread(testfile);//修改图片大小setshowwindow(src, "src", 50, 200);imshow("src", src);//灰度图Mat gray;cvtColor(src, gray, COLOR_BGR2GRAY);//中值滤波medianBlur(gray, gray, 9);//霍夫圆检测vector<Vec3f> circles;HoughCircles(gray, circles, HOUGH_GRADIENT, 1, 50, 100, 100);//绘制检测到的圆型for (size_t i = 0; i < circles.size(); ++i) {Vec3f item = circles[i];//获取当前圆区域，用黑底Mat rectsrc = copyCircleRoi(src, Point(item[0], item[1]), item[2]);//去高光操作Mat rectdst, showmat;rectdst = matilluminationChange(rectsrc);//极坐标变换Mat wpMat1, wpMat2;wpMat1 = warpPolarMat(rectsrc);wpMat2 = warpPolarMat(rectdst);//设置当前圆显示位置String title = "rectsrc" + to_string(i);String title2 = "rectdst" + to_string(i);String title3 = "wpMat1" + to_string(i);String title4 = "wpMat2" + to_string(i);//间距int spacing = 40;if ((i % 2) == 0) {setshowwindow(rectsrc, title, 0, rectsrc.rows * (i / 2) + spacing * (i / 2));setshowwindow(rectdst, title2, rectsrc.rows, rectsrc.rows * (i / 2) + spacing * (i / 2));setshowwindow(wpMat1, title3, rectsrc.cols * 2, rectsrc.rows * (i / 2) + spacing * (i / 2));setshowwindow(wpMat2, title4, rectsrc.cols * 2, rectsrc.rows * (i / 2) + wpMat1.rows + spacing * (i / 2));}else {setshowwindow(rectsrc, title, (rectsrc.rows * 2 + wpMat1.cols), rectsrc.rows * (i / 2) + (i % 2) + spacing * (i / 2));setshowwindow(rectdst, title2, (rectsrc.rows * 2 + wpMat1.cols) + rectdst.rows, rectsrc.rows * (i / 2) + (i % 2) + spacing * (i / 2));setshowwindow(wpMat1, title3, (rectsrc.rows * 2 + wpMat1.cols) + rectsrc.cols * 2 , rectsrc.rows * (i / 2) + (i % 2) + spacing * (i / 2));setshowwindow(wpMat2, title4, (rectsrc.rows * 2 + wpMat1.cols) + rectsrc.cols * 2, rectsrc.rows * (i / 2) + (i % 2) + wpMat1.rows  + spacing * (i / 2));}imshow(title, rectsrc);imshow(title2, rectdst);imshow(title3, wpMat1);imshow(title4, wpMat2);//break;}waitKey();return 0;
}

完