这个名字比较长，但其实说的是一系列问题：LocalNormalization这种图像增强算法是什么？有什么用？如何实现？当这种图像算法运用到动态视频的过程中会出现什么新的问题，如何解决问题获得做好效果？
感谢labviewpbt(imageshop作者）的指导和帮助。
这里是博客处理图片，红外光下的手臂血管图片。
一、LocalNormalization是什么？有什么用？（资料来自imagej) The local normalization tends to uniformize the mean and variance of an image around a local neighborhood. This is especially useful for correct non-uniform illumination or shading artifacts. Local Normalization(局部正规）定义？对于光照均衡有很好的效果。 二、LocalNormalization如何实现？（来自stack overflow) LN的定义比较简单
其中
- f(x,y) is the original image
- mf(x,y) is an estimation of a local mean of f(x,y)
- σf(x,y) is an estimation of the local variance
- g(x,y) is the output image
由于Gaussian Smooth的速度比较慢，所以在实际过程中会使用Box Filter,基于Opencv的代码如下:
//Local Normalization input is 32f1u
cv::Mat LocalNormalization(cv::Mat float_gray,float sigma1,float sigma2){
Mat gray, blur, num, den;
float_gray.convertTo(float_gray, CV_32F, 1.0/255.0);
// numerator = img - gauss_blur(img)
boxFilter(float_gray,blur,float_gray.depth(),Size(sigma1,sigma1));
num = float_gray - blur;
boxFilter(num.mul(num),blur,num.depth(),Size(sigma2,sigma2));
// denominator = sqrt(gauss_blur(img^2))
cv::pow(blur, 0.5, den);
// output = numerator / denominator
gray = num / den;
// normalize output into [0,1]
cv::normalize(gray, gray, 0.0, 1.0, NORM_MINMAX, -1);
return gray;
}
效果如下，可以看到原先不是很明显的血管得到了有效的增强。
进一步可以EqualHist 、Clahe甚至Frangi，但这里不是重点。
三、这种图像算法运用到动态视频的过程中会出现什么新的问题，如何解决这些问题。
现在看来，一切都很美好，预期的目的也基本实现了。但是当将代码移动到视频的时候就会发现一个比较严重的问题：屏幕闪动比较厉害，造成用户体验很差。
这个时候我在思考，如果出现这种情况，一般上是因为局部的运算造成了整体的均值的变化。本来想通过一些平滑的方法去除这个变化，但是效果都不是很好。一个偶尔的机会我采用photoshop对这个此时产生的图像进行了曲线计算。
可以发现直方图非常的窄。这个时候我想起以前在做美颜算法的时候，有一个从GIMP中挖过来的"对比度自动调节"函数。拿来使用，对于单幅图像，可以将对比度进行拉升，而且效果不错。更为关键的是对于连续的视频，很好地去除了抖动的效果。 四、小结 到目前为止，LocalNormalization这个问题算是比较好的解决了。反思解决问题的关键点，一个是平时的积累，这个包括经验的积累和资料的积累；一个是朋友和网络的支持；还有一个就是项目的拉动。总的来说，还是“产、学、研”的协力拉动，才能够产出好的产品。 标签：中震铃,gray,LocalNormalization,float,算法,num,blur,去除 From： https://www.cnblogs.com/jsxyhelu/p/16998753.html