前言

今天看了一篇技術檔案感覺挺有意思，是關于在低對比度影像中檢測臟污區域（這里的臟污指的是比其他區域暗的部分，人眼都不一定能看出來），

1. 低對比度影像臟污區域檢測

先上圖：

請添加圖片描述
第一張圖如果不是標注結果，我都沒有發現臟污區域在哪里，第二張圖還清晰一些，基本可以看出來影像靠近左邊緣的位置有偏暗的區域，這就是我們所說的臟污區域了，也是我們要檢測的區域，

標注結果圖（參考https://jishuin.proginn.com/p/763bfbd62291）：
請添加圖片描述

2. 實作方法介紹

這里介紹兩種實作方法，
第一種是用C++實作參考博文的方法，即利用梯度方法來檢測，具體步驟如下：

對影像進行高斯模糊去噪，梯度計算對噪聲很敏感；
呼叫Sobel函式計算影像在x,y方向梯度；
呼叫convertScaleAbs函式將x,y梯度影像像素值限制在0-255；
呼叫addWeight函式將x,y梯度影像融合；
呼叫threshold函式對融合影像進行二值化；
使用先腐蝕、后膨脹的形態學處理方法對二值影像進行非臟污區域過濾；
呼叫findContours方法查找臟污區域輪廓，

第二種方法是本人根據提高影像對比度思路實作的，具體步驟如下：
8. 對影像進行高斯模糊去噪；
9. 使用區域直方圖均衡化方法來提高影像對比度；
10. 使用OTSU二值化閾值方法來粗略分割臟污區域；
11. 對二值影像使用腐蝕的形態學操作過濾掉部分非臟污區域；
12. 呼叫findContours方法查找臟污區域輪廓，

3. C++原始碼實作

#include <iostream>
#include <opencv2\imgcodecs.hpp>
#include <opencv2\core.hpp>
#include <opencv2\imgproc.hpp>
#include <opencv2\highgui.hpp>
#include <vector>

int main()
{
	using namespace cv;

	std::string strImgFile = "C:\\Temp\\common\\Workspace\\Opencv\\images\\led1.jpg";
	Mat mSrc = imread(strImgFile);

	CV_Assert(mSrc.empty() == false);

	Mat mSrc2 = mSrc.clone();

	CV_Assert(mSrc2.empty() == false);

	Mat mGray;
	cvtColor(mSrc, mGray, COLOR_BGR2GRAY);

	GaussianBlur(mGray, mGray, Size(5, 5), 1.0);
	Mat mGray2 = mGray.clone();

	CV_Assert(mGray.empty() == false);
	imshow("gray", mGray.clone());

	//方法1：利用梯度變化檢測缺陷
	Mat mSobelX, mSobelY;
	Sobel(mGray, mSobelX, CV_16S, 1, 0, 7);
	Sobel(mGray, mSobelY, CV_16S, 0, 1, 7);
	convertScaleAbs(mSobelX, mSobelX);
	convertScaleAbs(mSobelY, mSobelY);

	Mat mEdge;
	addWeighted(mSobelX, 1, mSobelY, 1, 0, mEdge);
	imshow("edge", mEdge);

	Mat mThresh;
	threshold(mEdge, mThresh, 0, 255, THRESH_BINARY | THRESH_OTSU);
	imshow("thresh", mThresh);

	Mat kernel1 = getStructuringElement(MORPH_RECT, Size(11, 11));
	CV_Assert(kernel1.empty() == false);

	Mat mMorph;
	morphologyEx(mThresh, mMorph, MORPH_ERODE, kernel1);
	imshow("erode", mMorph);

	Mat kernel2 = getStructuringElement(MORPH_RECT, Size(5, 5));
	morphologyEx(mMorph, mMorph, MORPH_DILATE, kernel2);
	imshow("dilate", mMorph);

	std::vector<std::vector<Point>> contours;
	findContours(mMorph, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

	for (int i = 0; i < contours.size(); i++)
	{
		float area = contourArea(contours[i]);
		if (area > 200)
		{
			drawContours(mSrc, contours, i, Scalar(0, 0, 255));
		}
	}

	imshow("result1", mSrc.clone());

	//方法2： 利用區域直方圖均衡化方法檢測缺陷
	Ptr<CLAHE> ptrCLAHE = createCLAHE(20, Size(30, 30));
	ptrCLAHE->apply(mGray2, mGray2);
	imshow("equalizeHist", mGray2);

	Mat mThresh2;
	threshold(mGray2, mThresh2, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);
	CV_Assert(mThresh2.empty() == false);
	imshow("thresh", mThresh2);

	Mat kernel2_1 = getStructuringElement(MORPH_RECT, Size(9, 9));
	Mat mMorph2;
	morphologyEx(mThresh2, mMorph2, MORPH_ERODE, kernel2_1);

	CV_Assert(mMorph2.empty() == false);

	imshow("morph2", mMorph2);

	std::vector<std::vector<Point>> contours2;
	findContours(mMorph2, contours2, RETR_EXTERNAL, CHAIN_APPROX_NONE);

	for (int i = 0; i < contours2.size(); i++)
	{
		float area = contourArea(contours2[i]);
		if (area > 200)
		{
			drawContours(mSrc2, contours2, i, Scalar(0, 0, 255));
		}
	}

	imshow("result2", mSrc2);

	waitKey(0);
	destroyAllWindows();

	system("pause");
	return 0;
}