Image processing 使用OpenCV对彩色图像中的色调饱和度亮度进行均衡/规格化

我想均衡同一主题的两个半边脸彩色图像，然后合并它们。每幅图像都有不同的色调饱和度和亮度值……使用opencv如何对每幅半图像进行规格化/均衡

---

我试着表演CVHist（v，v）；在转换后的HSV图像的v值上，但两个图像仍然存在显著差异，并且在合并后，两半的颜色之间仍然有一条线…谢谢

我不确定，因为我现在面临相同的问题， 但也许尝试平衡H&S值而不是V

---

还可以尝试使用Photoshop手动调整它，看看什么效果最好，然后尝试使用代码复制它。

您尝试过阅读此链接吗

void Utils:：BrightnessAndContrastAuto（常量cv:：Mat&src，cv:：Mat&dst，浮点clipHistPercent）
{
CV_断言（clipHistPercent>=0）；
CV_断言（（src.type（）==CV_8UC1）| |（src.type（）==CV_8UC3）| |（src.type（）==CV_8UC4））；
int histSize=256；
浮动α，β；
double minGray=0，maxGray=0；
//计算灰度直方图
cv：：席灰色；
如果（src.type（）==CV_8UC1）gray=src；
否则，如果（src.type（）==CV_8UC3）cvtColor（src，gray，CV_bgr2 gray）；
否则如果（src.type（）==CV_8UC4）cvt颜色（src，灰色，CV_BGRA2GRAY）；
如果（clipHistPercent==0）
{
//保持全部可用范围
cv：：minMaxLoc（灰色、明雷和maxGray）；
}
其他的
{
cv:：Mat hist；//灰度直方图
浮动范围[]={0，256}；
常量浮点*histRange={range}；
布尔一致=真；
布尔累积=假；
calcHist（&gray，1,0，cv:：Mat（），hist，1，&histSize，&histRange，统一，累积）；
//根据直方图计算累积分布
std：：向量累加器（histSize）；
累加器[0]=在（0）处的历史记录；
对于（int i=1；i=（最大-clipHistPercent））
马克斯格雷--；
}
//电流范围
float inputRange=maxGray-minGray；
alpha=（histSize-1）/inputRange；//alpha将当前范围扩展到histSize范围
beta=-minGray*alpha；//beta移动当前范围，使minGray变为0
//应用亮度和对比度标准化
//convertTo与saurate_cast合作
src.convertTo（dst，-1，alpha，beta）；
//从源还原alpha通道
如果（dst.type（）=CV_8UC4）
{
int从_到[]={3,3}；
cv：：混合通道（&src，4，&dst，1，从_到，1）；
}
返回；
}

您可以将图像上传到某个地方……您应该解释这是如何解决提问者的问题的。仅仅从代码上看，这并不明显。

void Utils::BrightnessAndContrastAuto(const cv::Mat &src, cv::Mat &dst, float clipHistPercent)
{

    CV_Assert(clipHistPercent >= 0);
    CV_Assert((src.type() == CV_8UC1) || (src.type() == CV_8UC3) || (src.type() == CV_8UC4));

    int histSize = 256;
    float alpha, beta;
    double minGray = 0, maxGray = 0;

    //to calculate grayscale histogram
    cv::Mat gray;
    if (src.type() == CV_8UC1) gray = src;
    else if (src.type() == CV_8UC3) cvtColor(src, gray, CV_BGR2GRAY);
    else if (src.type() == CV_8UC4) cvtColor(src, gray, CV_BGRA2GRAY);
    if (clipHistPercent == 0)
    {
        // keep full available range
        cv::minMaxLoc(gray, &minGray, &maxGray);
    }
    else
    {
        cv::Mat hist; //the grayscale histogram

        float range[] = { 0, 256 };
        const float* histRange = { range };
        bool uniform = true;
        bool accumulate = false;
        calcHist(&gray, 1, 0, cv::Mat(), hist, 1, &histSize, &histRange, uniform, accumulate);

        // calculate cumulative distribution from the histogram
        std::vector<float> accumulator(histSize);
        accumulator[0] = hist.at<float>(0);
        for (int i = 1; i < histSize; i++)
        {
            accumulator[i] = accumulator[i - 1] + hist.at<float>(i);
        }

        // locate points that cuts at required value
        float max = accumulator.back();
        clipHistPercent *= (max / 100.0); //make percent as absolute
        clipHistPercent /= 2.0; // left and right wings
        // locate left cut
        minGray = 0;
        while (accumulator[minGray] < clipHistPercent)
            minGray++;

        // locate right cut
        maxGray = histSize - 1;
        while (accumulator[maxGray] >= (max - clipHistPercent))
            maxGray--;
    }

    // current range
    float inputRange = maxGray - minGray;

    alpha = (histSize - 1) / inputRange;   // alpha expands current range to histsize range
    beta = -minGray * alpha;             // beta shifts current range so that minGray will go to 0

    // Apply brightness and contrast normalization
    // convertTo operates with saurate_cast
    src.convertTo(dst, -1, alpha, beta);

    // restore alpha channel from source 
    if (dst.type() == CV_8UC4)
    {
        int from_to[] = { 3, 3 };
        cv::mixChannels(&src, 4, &dst, 1, from_to, 1);
    }
    return;
}