### C++ OpenCV 实现分段线性灰度变换 为了实现基于查询表的分段线性灰度变换，可以按照以下方式编写代码。此方法的核心在于构建一个大小为 256 的查找表（lookup table），用于存储输入像素值到输出像素值的映射关系。 以下是完整的实现过程： #### 构建查询表逻辑 分段线性拉伸通常分为三部分： 1. **低灰度区域**：从 `0` 到 `fStart` 映射至 `0` 至 `fSout`。 2. **中间灰度区域**：从 `fStart` 到 `fEnd` 映射至 `fSout` 至 `fEout`。 3. **高灰度区域**：从 `fEnd` 到 `255` 映射至 `fEout` 至 `255`。 每一段的斜率和截距可以通过简单的数学推导得出[^4]。 #### 完整代码示例 ```cpp #include <iostream> #include <vector> #include <opencv2/opencv.hpp> using namespace std; using namespace cv; void dividedLinearStretch(const Mat& src, Mat& dst, float fStart, float fEnd, float fSout, float fEout) { // 创建并初始化 lookup 表 vector<uchar> lut(256); // 计算各段的参数 float k1 = fSout / fStart; // L1 斜率 float k2 = (fEout - fSout) / (fEnd - fStart); // L2 斜率 float c2 = fSout - k2 * fStart; // L2 截距 float k3 = (255.0f - fEout) / (255.0f - fEnd);// L3 斜率 float c3 = 255.0f - k3 * 255.0f; // L3 截距 // 建立 lookup 表 for (int i = 0; i < 256; ++i) { if (i < fStart) { lut[i] = saturate_cast<uchar>(k1 * i); } else if (i <= fEnd) { lut[i] = saturate_cast<uchar>(k2 * i + c2); } else { lut[i] = saturate_cast<uchar>(k3 * i + c3); } } // 应用 lookup 表进行灰度变换 dst.create(src.size(), src.type()); for (int y = 0; y < src.rows; ++y) { const uchar* pSrcRow = src.ptr<uchar>(y); uchar* pDstRow = dst.ptr<uchar>(y); for (int x = 0; x < src.cols; ++x) { pDstRow[x] = lut[pSrcRow[x]]; } } } int main() { // 加载图像 Mat src = imread("input_image.png", IMREAD_GRAYSCALE); if (src.empty()) { cout << "无法加载图像!" << endl; return -1; } // 输出图像 Mat dst; // 参数设置 float fStart = 72, fEnd = 200, fSout = 5, fEout = 240; // 执行分段线性拉伸 dividedLinearStretch(src, dst, fStart, fEnd, fSout, fEout); // 显示结果 imshow("原图", src); imshow("分段线性拉伸后的图像", dst); waitKey(0); return 0; } ``` #### 关键点解析 1. **Lookup Table** 使用向量 `lut` 存储每个可能的灰度值对应的输出值。这样可以在遍历图像时快速查找到对应的结果，而无需重复计算[^4]。 2. **边界条件处理** 对于超出范围的情况（如小于 `fStart` 或大于 `fEnd` 的像素值），分别应用不同的线性变换公式来确保平滑过渡。 3. **性能优化** Lookup 表的方法显著提高了效率，因为每次只需访问预定义好的表格即可完成转换操作，而不是实时计算复杂的表达式。 ---