360 图像中对比度受限的自适应直方图均衡化

如何解决360 图像中对比度受限的自适应直方图均衡化

我目前正在应用 Contrast Limited Adaptive Histogram Equalization 算法和一种算法来执行照片降噪。

我的问题是我正在处理 360 度全景照片。由于加入照片时对比度会在边缘处产生不同的值，因此边缘线非常明显。我怎样才能减轻那条线？我应该进行哪些更改，使其不明显并且算法得到一致应用？

原始照片：

对比有限自适应直方图均衡化的代码

    # CLAHE (Contrast Limited Adaptive Histogram Equalization)
    clahe = cv2.createCLAHE(clipLimit=1.,tileGridSize=(6,6))

    lab = cv2.cvtColor(image,cv2.COLOR_BGR2LAB)  # convert from BGR to LAB color space
    l,a,b = cv2.split(lab)  # split on 3 different channels

    l2 = clahe.apply(l)  # apply CLAHE to the L-channel

    lab = cv2.merge((l2,b))  # merge channels
    img2 = cv2.cvtColor(lab,cv2.COLOR_LAB2BGR)  # convert from LAB to BGR

结果：

360 执行：

这是非常臭名昭著的分隔线，因为它没有考虑到照片是稍后加入的。我能做什么？

解决方法

这是 C++ 的答案，您可以轻松地将其转换为 python/numpy。 这个想法是在执行 CLAHE 之前使用边界区域并在之后裁剪图像。

这些是原始图像中的子图像区域：

它们将被复制到图像的左侧/右侧，如下所示：

也许你可以大大减少边框的大小：

int main()
{
    cv::Mat img = cv::imread("C:/data/SO_360.jpg");

    int borderSize = img.cols / 4;

    // make image that can have some border region
    cv::Mat borderImage = cv::Mat(cv::Size(img.cols + 2 * borderSize,img.rows),img.type());

    // posX,posY,width,height of the subimages
    cv::Rect leftBorderRegion = cv::Rect(0,borderSize,borderImage.rows);
    cv::Rect rightBorderRegion = cv::Rect(borderImage.cols - borderSize,borderImage.rows);
    cv::Rect imgRegion = cv::Rect(borderSize,img.cols,borderImage.rows);

    // original image regions to copy:
    cv::Rect left = cv::Rect(0,borderImage.rows);
    cv::Rect right = cv::Rect(img.cols - borderSize,img.rows);
    cv::Rect full = cv::Rect(0,img.rows);

    // perform copying to subimage (left part of the img goes to right part of the border image):
    img(left).copyTo(borderImage(rightBorderRegion));
    img(right).copyTo(borderImage(leftBorderRegion));
    img.copyTo(borderImage(imgRegion));

    cv::imwrite("SO_360_border.jpg",borderImage);

    //# CLAHE(Contrast Limited Adaptive Histogram Equalization)
    //clahe = cv2.createCLAHE(clipLimit = 1.,tileGridSize = (6,6))
    // apply the CLAHE algorithm to the L channel
    cv::Ptr<cv::CLAHE> clahe = cv::createCLAHE();
    clahe->setClipLimit(1);
    clahe->setTilesGridSize(cv::Size(6,6));

    cv::Mat lab;
    cv::cvtColor(borderImage,lab,cv::COLOR_BGR2Lab); //  # convert from BGR to LAB color space
    std::vector<cv::Mat> labChannels; //l,a,b = cv2.split(lab)  # split on 3 different channels
    cv::split(lab,labChannels);

    //l2 = clahe.apply(l)  # apply CLAHE to the L - channel
    cv::Mat dst;
    clahe->apply(labChannels[0],dst);

    labChannels[0] = dst;
    //lab = cv2.merge((l2,b))  # merge channels
    cv::merge(labChannels,lab);
    //img2 = cv2.cvtColor(lab,cv2.COLOR_LAB2BGR)  # convert from LAB to BGR
    cv::cvtColor(lab,dst,cv::COLOR_Lab2BGR);

    cv::imwrite("SO_360_border_clahe.jpg",dst);

    // to crop the image after performing clahe:
    cv::Mat cropped = dst(imgRegion).clone();

    cv::imwrite("SO_360_clahe.jpg",cropped);
}

图片： 输入您的原始帖子。

创建边框后：

执行CLAHE（带边框）后：

裁剪 CLAHE-border-image 后：