1、對數影象增強演算法

      對數影象增強是影象增強的一種常見方法，其公式為： S = c log(r+1)，其中c是常數（以下演算法c=255/(log(256)），這樣可以實現整個畫面的亮度增大。

void LogEnhance(IplImage* img, IplImage* dst)
{
	// 由於oldPixel:[1,256],則可以先儲存一個查詢表
	uchar lut[256] ={0};

	double temp = 255/log(256);

	for ( int i =0; i<255; i++)
	{
		lut[i] = (uchar)(temp* log(i+1)+0.5);
	}

	for( int row =0; row <img->height; row++)
	{
		uchar *data = (uchar*)img->imageData+ row* img->widthStep;
		uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;

		for ( int col = 0; col<img->width; col++)
		{
			for( int k=0; k<img->nChannels; k++)
			{
				uchar t1 = data[col*img->nChannels+k];				
				dstData[col*img->nChannels+k] = lut[t1];
			}
		}		
	}	
}
 

2、指數影象增強演算法

      指數影象增強的表達為：S = cR^r，通過合理的選擇c和r可以壓縮灰度範圍，演算法以c=1.0/255.0, r=2實現。

void ExpEnhance(IplImage* img, IplImage* dst)
{
	// 由於oldPixel:[1,256],則可以先儲存一個查詢表
	uchar lut[256] ={0};

	double temp = 1.0/255.0;

	for ( int i =0; i<255; i++)
	{
		lut[i] = (uchar)(temp*i*i+0.5);
	}

	for( int row =0; row <img->height; row++)
	{
		uchar *data = (uchar*)img->imageData+ row* img->widthStep;
		uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;

		for ( int col = 0; col<img->width; col++)
		{
			for( int k=0; k<img->nChannels; k++)
			{
				uchar t1 = data[col*img->nChannels+k];				
				dstData[col*img->nChannels+k] = lut[t1];
			}
		}		
	}	
}
 

3、加Masaic演算法

        在日常中有時候保密或其他需要將影象馬賽克，下面的演算法實現影象馬賽克功能（原理：用中心畫素來表示鄰域畫素）。

uchar getPixel( IplImage* img, int row, int col, int k)
{
	return ((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k];
}

void setPixel( IplImage* img, int row, int col, int k, uchar val)
{
	((uchar*)img->imageData + row* img->widthStep)[col*img->nChannels +k] = val;
}
 

// nSize:為尺寸大小，奇數
// 將鄰域的值用中心畫素的值替換
void Masic(IplImage* img, IplImage* dst, int nSize)
{
	int offset = (nSize-1)/2;
	for ( int row = offset; row <img->height - offset; row= row+offset)
	{
		for( int col= offset; col<img->width - offset; col = col+offset)
		{
			int val0 = getPixel(img, row, col, 0);
			int val1 = getPixel(img, row, col, 1);
			int val2 = getPixel(img, row, col, 2);
			for ( int m= -offset; m<offset; m++)
			{
				for ( int n=-offset; n<offset; n++)
				{
					setPixel(dst, row+m, col+n, 0, val0);
					setPixel(dst, row+m, col+n, 1, val1);
					setPixel(dst, row+m, col+n, 2, val2);
				}
			}
		}
	}
}

4、曝光過度問題處理

      對於曝光過度問題，可以通過計算當前影象的反相（255-image)，然後取當前影象和反相影象的較小者為當前畫素位置的值。

// 過度曝光原理：影象翻轉，然後求原圖與反圖的最小值
void ExporeOver(IplImage* img, IplImage* dst)
{
	for( int row =0; row <img->height; row++)
	{
		uchar *data = (uchar*)img->imageData+ row* img->widthStep;
		uchar *dstData = (uchar*)dst->imageData+ row* dst->widthStep;

		for ( int col = 0; col<img->width; col++)
		{
			for( int k=0; k<img->nChannels; k++)
			{
				uchar t1 = data[col*img->nChannels+k];
				uchar t2 = 255 - t1;
				dstData[col*img->nChannels+k] = min(t1,t2);
			}
		}		
	}
}

5、高反差保留

      高反差保留主要是將影象中顏色、明暗反差較大兩部分的交界處保留下來，比如影象中有一個人和一塊石頭，那麼石頭的輪廓線和人的輪廓線以及面部、服裝等有明顯線條的地方會變被保留，兒其他大面積無明顯明暗變化的地方則生成中灰色。其表達形式為：dst = r*(img - Blur(img))。

Mat HighPass(Mat img)
{
	Mat temp;
	GaussianBlur(img, temp,Size(7,7),1.6,1.6);

	int r=3;	
	Mat diff = img + r*(img-temp); //高反差保留演算法
	return diff;
}

測試程式碼：

int main(int argc, char* argv[])
{
	const char* Path = "E:\\22.bmp";
	IplImage *img = cvLoadImage(Path,CV_LOAD_IMAGE_ANYCOLOR);
	IplImage *dst = cvCreateImage(cvGetSize(img), img->depth, img->nChannels);

	cout<<"輸入你要選擇的操作："<<endl;
	cout<<"1、曝光過度"<<endl;
	cout<<"2、加馬賽克"<<endl;
	cout<<"3、對數增強"<<endl;
	cout<<"4、指數增強"<<endl;
	cout<<"請輸入你的選擇:";

	int choice = 1;

	cin>>choice;
	switch (choice)
	{
	case 1: 
		ExporeOver(img, dst);   
		break;
	case 2: 
		Masic(img, dst, 21);
		break;
	case 3: 
		LogEnhance(img, dst);
		break;
	case 4:
		ExpEnhance(img, dst);
		break;
	default:
		cout<<"輸入錯誤"<<endl;
		break;			  
	}
	

	cvSaveImage("E:\\dst.jpg",dst);

	cvNamedWindow("SRC",1);
	cvNamedWindow("DST", 1);
	cvShowImage("SRC", img);
	cvShowImage("DST", dst);
	cvWaitKey();
	return 0;
}