本文共 3452 字，大约阅读时间需要 11 分钟。

OpenCV多曝光合成算法

本文使用多曝光对应区块内的熵值大小来分配不同大小的权重，最后线性合成为新区块，从而实现使得曝光合成图片具备最多的LDR细节，代替由于硬件或者软件限制而无法实现的HDR效果。

#include 
   
    #include
    
     using namespace cv;using namespace std;#define BLOCK 50//求熵 函数float entropy(Mat m){
   	float sum = 0;	float histogram[3][256] = {
   0};//3个通道，每个通道256个像素级别。	int one;	int n = m.rows * m.cols;	for (int k = 0; k < 3; k++)	{
   		for (int i = 0; i < m.rows; i++)		{
   			for (int j = 0; j < m.cols; j++)			{
   				one = int (m.at
     
      (i, j)[k]);				histogram[k][one]++;			}		}	}	//开始计算图像熵	for (int i = 0; i < 3; i++)	{
   		for (int j = 0; j < 256; j++)		{
   			histogram[i][j] /= n;			if (histogram[i][j] != 0)sum += (-histogram[i][j]) * log(histogram[i][j]);		}	}	return sum;}//选取熵最大的图像块最大的权重输出Mat entropy_max(Mat a,Mat b,Mat c){
   	float ans_a = entropy(a),ans_b = entropy(b), ans_c = entropy(c);	if ((ans_a > ans_b && ans_a > ans_c)) 	{
   		if (ans_b>ans_c)return 0.6 * a + 0.3 * b + 0.1 * c;		else return 0.6 * a + 0.3 * c + 0.1 * b;	}			if ((ans_b > ans_a && ans_b > ans_c))	{
   		if (ans_a > ans_c)return 0.6 * b + 0.3 * a + 0.1 * c;		else return 0.6 * b + 0.3 * c + 0.1 * a;	}	if ((ans_c > ans_b && ans_c > ans_a))	{
   		if (ans_a > ans_b)return 0.6 * c + 0.3 * a + 0.1 * b;		else return 0.6 * c + 0.3 * b + 0.1 * a;	}}//融合函数Mat fusion(Mat src_OE,Mat src_UE, Mat src_ME,int block){
   	//创建一个Mat类型out_ROI	Mat out_ROI_ue,out_ROI_oe, out_ROI_me;  //输出暂存块。	out_ROI_ue = Mat(block, block, CV_8UC3);	out_ROI_oe = Mat(block, block, CV_8UC3);	out_ROI_me = Mat(block, block, CV_8UC3);	Mat out_ROI;//计算出的熵比较高的那一块	out_ROI = Mat(block, block, CV_8UC3);	Mat out;//创建对象	out = src_ME;//输出对象	//创建每次循环的处理区域work_ROI，并初始化坐标极其宽度高度	Rect work_ROI;	work_ROI.x = 0;//矩形左上角横坐标	work_ROI.y = 0;//矩形左上角纵坐标	work_ROI.width = block;//矩形宽为block	work_ROI.height = block;//矩形高为block	//原图像ROI位置以及大小Rect类型储存	for (int j = 0; j < src_OE.cols / block; j++)//外层循环循环原图列数/block 次	{
   		for (int i = 0; i < src_OE.rows / block; i++)	//内层循环原图行数/block 次		{
   			//rect_ROI坐标转换到下一个矩形区块。			work_ROI.x = block * i;//工作区域向后移动block个像素			work_ROI.y = block * j;//工作区域向后移动block个像素			//比较三张图的熵的最大值			out_ROI_oe = src_OE(work_ROI);			out_ROI_ue = src_UE(work_ROI);			out_ROI_me = src_ME(work_ROI);			out_ROI = entropy_max(out_ROI_ue, out_ROI_oe,out_ROI_me);//把熵最大的这一块赋给out_ROI				//把这一块填充到out的这一个部分里面			out_ROI.copyTo(out(work_ROI));		}	}	return out;}int main(){
   		Mat src_OE = imread("C:\\Users\\hl\\Desktop\\oe2.jpg", IMREAD_COLOR);	Mat src_UE = imread("C:\\Users\\hl\\Desktop\\ue2.jpg", IMREAD_COLOR);	Mat src_ME = imread("C:\\Users\\hl\\Desktop\\me2.jpg", IMREAD_COLOR);	//Mat src = imread("C:\\Users\\hl\\Desktop\\CESHI2.jpg", IMREAD_COLOR);	imshow("过曝光",src_OE);	imshow("欠曝光",src_UE);	imshow("正常曝光",src_ME);	Mat oe, ue, me;// ceshi;	cvtColor(src_OE, oe, COLOR_BGR2Lab);	cvtColor(src_OE, ue, COLOR_BGR2Lab);	cvtColor(src_OE, me, COLOR_BGR2Lab);	//cvtColor(src, ceshi, COLOR_BGR2Lab);	//熵最大融合	Mat out;	out = fusion(src_OE, src_UE, src_ME,BLOCK);	imshow("曝光融合后", out);	//cvtColor(out, ceshi , COLOR_BGR2Lab);	//观察总熵值	cout << "过曝总熵：" << entropy(oe) << endl;	cout << "欠曝总熵：" << entropy(ue) << endl;	cout << "正常曝光总熵：" << entropy(me) << endl;	cout << "曝光合成总熵：" << entropy(out) << endl;	//cout << "测试熵：" << entropy(ceshi) << endl;	waitKey();	return 0;
     
    
   

虽说肉眼可见最多细节信息，但是这个引发的块状效应依然无法容忍，之后会持续更新对于该算法的改进。敬请期待。

转载地址：http://aamen.baihongyu.com/