1. OpenCV C++（四）----对比度增强
对比度增强或者称为对比度拉伸就是图像增强技术的一种，它主要解决由于图像的灰度级范围较小造成的对比度较低的问题，目的就是将输出图像的灰度级放大到指定的程度，使得图像中的细节看起来更加清晰。对比 度增强有几种常用的方法，如线性变换、分段线性变换、伽马变换、直方图正规化、直方图均衡化、局部自适应直方图均衡化等。
灰度直方图是图像灰度级的函数， 用来描述每个灰度级在图像矩阵中的像素个数或者占有率（概率）。
OpenCV提供了函数 calcHist 来实现直方图的构建，但是在计算8位图的灰度直方图 时，它使用起来略显复杂。下面是OpenCV源码
可以定义函数 calcGrayHist 来计算灰度直方图，其中输入参数为8位图，将返回的灰度直方图存储为一个1行256列的 Mat 类型。
图像对比度是通过灰度级范围来度量的，而灰度级范围可通过观察灰度直方图得到，灰度级范围越大代表对比度越高；反之，对比度越低，低对比度的图像在视觉上给人的感觉是看起来不够清晰，所以通过算法调整图像的灰度值，从而调整图像的对比度是有必要的。最简单的一种对比度增强方法是通过灰度值的线性变换来实现的。
当a=1，b=0时，O为I的一个副本；如果a>1，则输出图像O的对 比度比I 有所增大；如果0<a< 1，则O的对比度比I有所减小。而b值的改变，影响的是输出图像的亮度，当b> 0时，亮度增加；当b<0时，亮度减小。
在OpenCV中实现一个常数与矩阵相乘有多种方式。
1、convertTo
注：当输出矩阵的数据类型是 CV_8U 时， 大于255的值会自动截断为255
2、矩阵乘法运算
使用乘法运算符“*”， 无论常数是什么数据类型， 输出矩阵的数据类型总是和输入矩阵的数据类型相同，当数据类型是 CV_8U 时，在返回值中将大于255的值自动截断为255。
3、convertScaleAbs
直方图正规化是一种自动选取a和b的值的线性变换方法。
利用 minMaxLoc 函数不仅可以计算出矩阵中的最大值和最小值， 而且可以求出最大 值的位置和最小值的位置。 当然，
在使用过程中如果只想得到最大值和最小值， 则将其 他的变量值设为 NULL 即可。
OpenCV提供的函数： normalize()
使用函数 normalize 对图像进行对比度增强时， 经常令参数 norm_type=NORM_MINMAX ， 和直方图正规化原理详解中提到的计算方法是相同的， 参数 alpha 相当于 Omax ， 参数 beta 相当于 Omin 。 注意， 使用 normalize 可以处理多通道矩阵， 分别对每一个通道进行正规化操作。
非线性变换 。
假设输入图像为I，宽为W、 高为H，首先将其灰度值归一化到[0，1]范围，对于8位 图来说，除以255即可。 I （r， c） 代表归一化后的第r行第c列的灰度值， 输出图像记为 O， 伽马变换就是令 O（r， c） =I（r， c） γ ， 0≤r<H， 0≤c< W，
当γ=1时， 图像不变。 如果图像整体或者感兴趣区域较暗， 则令0< γ< 1可以 增加图像对比度； 相反， 如果图像整体或者感兴趣区域较亮， 则令γ>1可以降低图像对比度。
伽马变换在提升对比度上有比较好的效果， 但是需要手动调节γ值。
全局直方图均衡化操作是对图像I进行改变， 使得输出图像O的灰度直方图 hist O 是“平”的， 即每一个灰度级的像素点个数是“相等”的。 注意，其实这里的“相等”不是严格意义上的等于， 而是约等于，
上述分别为I和O的累加直方图
总结，对于直方图均衡化的实现主要分四个步骤：
OpenCV实现的直方图均衡化函数 equalize-Hist ， 其使用方法很简单， 只支持对 8位图 的处理。
虽然全局直方图均衡化方法对提高对比度很有效，但是均衡化处理以后暗区域的噪声可能会被放大，变得清晰可 见，而亮区域可能会损失信息。为了解决该问题， 提出了自适应直方图均衡化（Aptive Histogram Equalization） 方法。
自适应直方图均衡化首先将图像划分为不重叠的区域块（tiles） ，然后对每一个块分别进行直方图均衡化。 显然， 在没有噪声影响的情况下， 每一个小区域的灰度直方图会被限制在一个小的灰度级范围内； 但是如果有噪声， 每一个分割的区域块执行直方图均衡化后， 噪声会被放大。为了避免出现噪声这种情况， 提出了“限制对比度”（Contrast Limiting） [3]，如果直方图的bin超过了提前预设好的“限制对比度”， 那么会被裁减， 然 后将裁剪的部分均匀分布到其他的bin， 这样就重构了直方图。
OpenCV提供的函数 createCLAHE 构建指向 CLAHE 对象的指针， 其中默认设置“限制 对比度”为40，块的大小为8×8。
2. 你好，请问您怎么用opencv检测一幅图片的边缘，主要是怎么进行图片平滑还有怎么应用Prewitt算子、sobel！
说说我的做法~
在提取边缘时，前处理工作很重要！且，噪音全都去掉是比较困难的是
1.可以先做平滑cvSmooth，去除噪音
2.可以用正规化或者直方图均衡化来处理图像像素~
3.用CLAHE算法，增加对比度
4.prewitt,sobel，算子都不是很精确，canny算子虽比较好但是不能提取封闭轮廓。你可以用snake,或者GVFsnake来动态提取边缘，但是之前得提取初始边缘。
以上，如果你想用prewitt,sobel的话可以到opencv论坛去搜索，答案有很多。
http://www.opencv.org.cn/index.php/%E9%A6%96%E9%A1%B5这是论坛
http://www.opencv.org.cn/index.php/Canny%E8%BE%B9%E7%BC%98%E6%A3%80%E6%B5%8B这是canny检测的例子
http://fsa.ia.ac.cn/opencv-doc-cn/opencv-doc-cn-0.9.7/ref/opencvref_cv.cn.htm这是函数的用法
祝你成功