OpenCV实用：C++实现低对比度图像脏污区域检测

最新推荐文章于 2025-06-25 16:29:20 发布

DU_YULIN

最新推荐文章于 2025-06-25 16:29:20 发布

阅读量7.5k

点赞数 6

CC 4.0 BY-SA版权

分类专栏：图像处理文章标签： opencv c++ OpenCV实用

本文链接：https://blog.csdn.net/DU_YULIN/article/details/120455075

本文介绍了如何使用OpenCV在低对比度图像中检测脏污区域，通过C++实现梯度方法和局部直方图均衡化方法。这两种方法分别进行了详细步骤说明，并展示了各自的检测结果，强调了参数选择对结果的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

今天看了一篇技术文档感觉挺有意思，是关于在低对比度图像中检测脏污区域（这里的脏污指的是比其他区域暗的部分，人眼都不一定能看出来）。

1. 低对比度图像脏污区域检测

先上图：

请添加图片描述
第一张图如果不是标注结果，我都没有发现脏污区域在哪里，第二张图还清晰一些，基本可以看出来图像靠近左边缘的位置有偏暗的区域，这就是我们所说的脏污区域了，也是我们要检测的区域。

标注结果图（引用https://jishuin.proginn.com/p/763bfbd62291）：
请添加图片描述

2. 实现方法介绍

这里介绍两种实现方法，
第一种是用C++实现参考博文的方法，即利用梯度方法来检测，具体步骤如下：

对图像进行高斯模糊去噪，梯度计算对噪声很敏感；
调用Sobel函数计算图像在x,y方向梯度；
调用convertScaleAbs函数将x,y梯度图像像素值限制在0-255；
调用addWeight函数将x,y梯度图像融合；
调用threshold函数对融合图像进行二值化；
使用先腐蚀、后膨胀的形态学处理方法对二值图像进行非脏污区域过滤；
调用findContours方法查找脏污区域轮廓。

第二种方法是本人根据提高图像对比度思路实现的，具体步骤如下：
8. 对图像进行高斯模糊去噪；
9. 使用局部直方图均衡化方法来提高图像对比度；
10. 使用OTSU二值化阈值方法来粗略分割脏污区域；
11. 对二值图像使用腐蚀的形态学操作过滤掉部分非脏污区域；
12. 调用findContours方法查找脏污区域轮廓。

3. C++源码实现

#include <iostream>
#include <opencv2\imgcodecs.hpp>
#include <opencv2\core.hpp>
#include <opencv2\imgproc.hpp>
#include <opencv2\highgui.hpp>
#include <vector>

int main()
{
   
   
	using namespace cv;

	std::string strImgFile = "C:\\Temp\\common\\Workspace\\Opencv\\images\\led1.jpg";
	Mat mSrc = imread(strImgFile);

	CV_Assert(mSrc.empty() == false);

	Mat mSrc2 = mSrc.clone();

	CV_Assert(mSrc2.empty() == false);

	Mat mGray;
	cvtColor(mSrc, m