c++ - OpenCV 中的局部归一化

Question

我正在尝试在 OpenCV 中实现一种局部归一化算法，以减少图像中的照明差异。我找到了一个MATLAB 函数，并在 OpenCV 中实现了它。但是，我得到的结果与 MATLAB 函数给出的结果不同。

这是我的代码：

Mat localNorm(Mat image, float sigma1, float sigma2)
{
    Mat floatGray, blurred1, blurred2, temp1, temp2, res;

    image.convertTo(floatGray, CV_32FC1);
    floatGray = floatGray/255.0;

    int blur1 = 2*ceil(-NormInv(0.05, 0, sigma1))+1;
    cv::GaussianBlur(floatGray, blurred1, cv::Size(blur1,blur1), sigma1);
    temp1 = floatGray-blurred1;

    cv::pow(temp1, 2.0, temp2);
    int blur2 = 2*ceil(-NormInv(0.05, 0, sigma2))+1;
    cv::GaussianBlur(temp2, blurred2, cv::Size(blur2,blur2), sigma2);
    cv::pow(blurred2, 0.5, temp2);

    floatGray = temp1/temp2;
    floatGray = 255.0*floatGray;
    floatGray.convertTo(res, CV_8UC1);

    return res;
}

该函数NormInv是 Euan Dean 在这篇文章中给出的 C++ 实现。

下面显示了我得到的结果和理论结果，对于相同的值sigma1和sigma2（分别为 2.0 和 20.0）

我尝试对 and 使用不同的值sigma1，sigma2但它们似乎都不起作用。我也尝试过在高斯函数中做blur1=0和blur2=0，但它也不起作用。

任何帮助，将不胜感激。提前致谢。

Answer 1

您需要在将图像转换为 CV_8UC1 之前将其标准化为 0 到 255 之间

Answer 2

这是我的实现（我正在使用sigma1=2, sigma2=20）：

#include "opencv2/highgui/highgui.hpp"
#include "opencv2/imgproc/imgproc.hpp"
using namespace cv;

int main(int argc, char** argv)
{
    Mat img, gray, float_gray, blur, num, den;

    // Load color image
    img = cv::imread("lena.png", 1);
    if( !img.data ) {
        return -1;
    }

    // convert to grayscale
    cv::cvtColor(img, gray, CV_BGR2GRAY);

    // convert to floating-point image
    gray.convertTo(float_gray, CV_32F, 1.0/255.0);

    // numerator = img - gauss_blur(img)
    cv::GaussianBlur(float_gray, blur, Size(0,0), 2, 2);
    num = float_gray - blur;

    // denominator = sqrt(gauss_blur(img^2))
    cv::GaussianBlur(num.mul(num), blur, Size(0,0), 20, 20);
    cv::pow(blur, 0.5, den);

    // output = numerator / denominator
    gray = num / den;

    // normalize output into [0,1]
    cv::normalize(gray, gray, 0.0, 1.0, NORM_MINMAX, -1);

    // Display
    namedWindow("demo", CV_WINDOW_AUTOSIZE );
    imshow("demo", gray);

    waitKey(0);

    return 0;
}

结果符合预期：

请注意，您可以将内核大小指定为Size(0,0)，它将根据 sigma 值计算。

Answer 3

这是上面相同算法的 Python 实现：

import cv2
import numpy as np

img = cv2.imread('/home/anmol/Downloads/lena.png')

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

float_gray = gray.astype(np.float32) / 255.0

blur = cv2.GaussianBlur(float_gray, (0, 0), sigmaX=2, sigmaY=2)
num = float_gray - blur

blur = cv2.GaussianBlur(num*num, (0, 0), sigmaX=20, sigmaY=20)
den = cv2.pow(blur, 0.5)

gray = num / den

gray = cv2.normalize(gray, dst=gray, alpha=0.0, beta=1.0, norm_type=cv2.NORM_MINMAX)

cv2.imwrite("./debug.png", gray * 255)

输出：