当前位置: 首页 > news >正文

openCV1-3 图像查找表与色彩表

LUT 图像查找表

在这里插入图片描述
LUT(Look - Up Table,图像查找表)在图像处理中是一种极为重要的工具。其本质是利用 map 算法对像素进行处理。具体来说,当像素值范围处于 0 - 255 时 ,LUT 会预先创建 256 个数组,对这些像素值进行预处理。
左侧是低对比度图像的像素值矩阵,右侧是高对比度图像的像素值矩阵。在 LUT 中,已经预先建立了从低对比度像素值到高对比度像素值的映射关系。当需要将低对比度图像转换为高对比度图像时,无需重新计算,只需将低对比度图像中像素值为 40 的元素,按照查找表的映射关系,整体改成 70(这里仅为示例示意,实际映射关系依具体 LUT 设定而定) ,即可快速实现图像对比度的调整。


#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{//打开图片Mat src = imread("D:\\souse\\opencv_tutorial_data-master\\images\\pedestrian.png", IMREAD_COLOR);if (src.empty()){cout << "Could not open or find the image!" << endl;return -1;}//显示原图namedWindow("Original Image", WINDOW_AUTOSIZE);imshow("Original Image", src);//读入查找表Mat color = imread("D:\\souse\\opencv_tutorial_data-master\\images\\lut.png", IMREAD_COLOR);Mat lut(256, 1, CV_8UC3);for(int i = 0; i < 256; i++){lut.at<Vec3b>(i, 0) = color.at<Vec3b>(10, i);}imshow("Color", color);imshow("LUT", lut);Mat des;LUT(src, lut, des);imshow("Result Image", des);waitKey(0);
}

在这里插入图片描述

颜色表使用

在这里插入图片描述


#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
int main()
{//打开图片Mat src = imread("D:\\souse\\opencv_tutorial_data-master\\images\\pedestrian.png", IMREAD_COLOR);if (src.empty()){cout << "Could not open or find the image!" << endl;return -1;}//显示原图namedWindow("Original Image", WINDOW_AUTOSIZE);imshow("Original Image", src);//读入查找表Mat des;//COLORMAP_JET:将图像转换为伪彩色图像applyColorMap(src, des, COLORMAP_JET);imshow("Result Image1", des);applyColorMap(src, des, COLORMAP_COOL);imshow("Result Image2", des);waitKey(0);
}

在这里插入图片描述

http://www.xdnf.cn/news/613009.html

相关文章:

  • 软考 组合设计模式
  • docker基础
  • 第36节:PyTorch基本张量操作
  • springboot配置mysql druid连接池,以及连接池参数解释
  • Python训练营打卡 Day24
  • CloudCanal RAG x Ollama 构建全栈私有 AI 服务
  • 1.2 控制系统的数学模型
  • 深入理解局域网内流量与链路监控的实战价值
  • 连续质数和
  • python web flask专题-Flask入门指南:从安装到核心功能详解
  • 比特授权云外壳加密支持Android 15!
  • DL00912-基于自监督深度聚类的高光谱目标检测含数据集
  • 大模型技术生态全景解析:从基础组件到AGI的演进之路
  • Flink初始及搭建集群环境(技术选型与实战详解)
  • 用AI工具创作出具有史诗感的神话故事短片
  • 制作一款打飞机游戏55:扩散
  • [GHCTF 2025]ret2libc1(NSSCTF)
  • Spring Bean的生命周期
  • 深度学习模型可视化:Netron的安装和使用
  • 深度学习-162-DeepSeek之调用远程大模型API接口参数结构分析
  • Socket 的两个不同含义:硬件 CPU Socket 和 网络 Socket 的区别
  • MySQL——复合查询表的内外连
  • 第十节第七部分:Arrays类、自定义排序规则Comparable、自定义比较器Comparator
  • PHP简介
  • DEEPSEEK + 其他工具的玩法
  • 深入剖析Go并发性能瓶颈:pprof实战指南
  • 力扣面试150题--路径总和
  • Stable Diffusion底模对应的VAE推荐
  • Docker端口映射与容器互联
  • 基于JSP+MySQL 服装销售系统