OpenCV：对16位灰度图像进行归一化处理会产生较弱的结果

Question

我想在16位灰度图像中拉伸对比度。 但void normalize(InputArray src, OutputArray dst, double alpha=1, double beta=0, int norm_type=NORM_L2, int dtype=-1, InputArray mask=noArray() )给我一点点明亮的图像，但仍然太暗。

文档： http://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html#normalize : http://docs.opencv.org/2.4/modules/core/doc/operations_on_arrays.html#normalize

表示Alpha是下限，而Beta是上限。 因此，对于16位图像，我希望0和65535.0是正确的值。 我进行了一项研究，大多数答案都指出，在归一化图像中，alpha和betha是最小值和最大值。

#include "stdafx.h"
#include <iostream>
#include <opencv2/opencv.hpp>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
int main()
 {
    cv::Mat image;
    image = cv::imread("darkImage.tif", CV_LOAD_IMAGE_ANYDEPTH | CV_LOAD_IMAGE_GRAYSCALE);

if (!image.data)                           
    {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }

    cv::namedWindow("Original", CV_WINDOW_NORMAL | CV_WINDOW_KEEPRATIO);
    cv::imshow("Original", image);

    cv::normalize(image, image, 0, 65535.0, cv::NORM_MINMAX, CV_16U);
    cv::namedWindow("Normalize", CV_WINDOW_NORMAL | CV_WINDOW_KEEPRATIO);
    cv::imshow("Normalize", image);
    cv::waitKey();

    return 0;

}

原始图像和归一化图像显示对比度增强不足。 ImageJ规范化给我更好的结果 。

alpha和beta值是否适合16位图像？ 我是opencv的新手，感谢任何帮助。

我使用：opencv3.1，VisualStudio2015，W10、64位

Answer 1

是的，直方图均衡可能是解决方法。 EqualizeHist不适用于16位。 所以我建议

image.convertTo(image,CV_8U,1./256.);

要么

image.convertTo(image,CV_32F);

其次是

equalizeHist(image,imageEq);

8位选项已尝试并为true，但在截断期间可能会丢失信息。 我没有尝试过使用float，但是我怀疑它最终还是在内部被截断/合并，这违背了float的目的。

另外，如果您想正确执行操作而不关心运行时/开发时间，则可以遵循直方图均衡/ CLAHE的思想，实现一个16位直方图，然后执行一个16位至8位查找表。 。 （进行累积分布函数，并将此65K向量直接作为查找表应用于图像，以使结果均匀分布。）

或者，如果您想使用自己的cv :: normalize（）版本来给出居中的平均值和合理的标准偏差，则可以执行以下操作：

Scalar imMean, imStd;
meanStdDev(image, imMean, imStd);
double a = (1<<16)*(0.25/imStd.val[0]);   // give equalized image a stdDev of 0.25
double b = (1<<16)*0.5 - a*imMean.val[0]; // give equalized image a mean of 0.5
imageEq = a*image+b;