开发环境为：win10+QT5.8+opencv3.2

图像增强的目的是采用某种技术手段，改善图像的视觉效果，或者将图像转换成更适合人眼观察和机器识别的形式。图像增强的基本方法主要有灰度变换、灰度均衡、伪彩色增强、平滑、锐化、滤波等。灰度变换、灰度均衡见QT+opencv学习笔记（1）——图像点运算，本文主要实现伪彩色增强、平滑、锐化和滤波。

一、读取图像

读取图像见QT+opencv学习笔记（1）——图像点运算，这里不再赘述。

读取结果如下图：

二、高斯平滑

高斯平滑是根据当前像素和邻域像素之间，空间距离的不同，计算得出一个高斯核 (邻域像素的加权系数)，然后，高斯核从左至右、从上到下遍历输入图像，与输入图像的像素值求卷积和，得到输出图像的各个像素值。

邻域像素距离当前像素越远 (saptial space)，则其相应的加权系数越小。

高斯平滑适用于处理随机噪声。图像高斯平滑可通过getRotationMatrix2D()函数来实现。getRotationMatrix2D()函数的定义如下：

void GaussianBlur(InputArray src, OutputArray dst, Size ksize, double sigmaX, 
                  double sigmaY=0, int borderType=BORDER_DEFAULT )

参数主要含义如下：

src：输入图片，可以使是任意通道数，该函数对通道是独立处理的，但是深度只能是CV_8U, CV_16U, CV_16S, CV_32F or CV_64F.

dst：输出图片，和输入图片相同大小和深度；

ksize：高斯内核大小。ksize.width和ksize.height允许不相同但他们必须是正奇数。或者等于0，由参数sigma的乘积决定；

sigmaX：高斯内核在X方向的标准偏差；

sigmaY：高斯内核在Y方向的标准偏差。如果sigmaY为0，他将和sigmaX的值相同，如果他们都为0，那么他们由ksize.width和ksize.height计算得出；

borderType：用于判断图像边界的模式。

高斯内核尺寸影响高斯平滑的效果，添加一个滚动条来动态调整高斯内核的尺寸。主要代码如下：

    int guassMinValue = 0;
    int guassMaxValue = 10;
    int guassSingleStep = 1;

    ui->guassSlider->setMinimum(guassMinValue);             // 最小值
    ui->guassSlider->setMaximum(guassMaxValue);             // 最大值
    ui->guassSlider->setSingleStep(guassSingleStep);        // 步长
    ui->guassSlider->setTickPosition(QSlider::TicksAbove);  //刻度在上方
    ui->guassSlider->setValue(3);

高斯平滑主要代码如下：

    Mat gaussImg;
    uchar gausskernelSize = gaussSliderValue * 2 + 1;    //重新计算尺寸值，尺寸值应为大于0的奇数
    GaussianBlur(grayImg, gaussImg, Size(gausskernelSize, gausskernelSize), 0, 0);//高斯平滑

高斯平滑处理结果如下：

三、中值滤波

中值滤波对消除椒盐噪声（脉冲噪声）非常有效，能够克服线性滤波器带来的图像细节模糊等弊端，能够有效保护图像边缘信息，是非常经典的平滑噪声处理方法。

图像中值滤波可通过medianBlur()函数实现。medianBlur()函数定义如下：

void medianBlur(InputArray src, OutputArray dst, int ksize)

参数主要含义如下：

InputArray src: 输入图像，图像为1、3、4通道的图像，当模板尺寸为3或5时，图像深度只能为CV_8U、CV_16U、CV_32F中的一个，如而对于较大孔径尺寸的图片，图像深度只能是CV_8U；

OutputArray dst: 输出图像，尺寸和类型与输入图像一致；

int ksize: 滤波模板的尺寸大小，必须是大于1的奇数，如3、5、7…。

滤波模板尺寸影响中值滤波的效果，添加一个滚动条来动态调整滤波模板的尺寸，滚动条实现与高斯平滑类似。

中值滤波主要代码如下：

Mat medImg;
    uchar medkernelSize = medSliderValue * 2 + 1;    //重新计算尺寸值，尺寸值应为大于0的奇数
    medianBlur(grayImg, medImg, medkernelSize);      //中值滤波

中值滤波处理结果如下：

四、图像锐化

使用中心为5的8邻域拉普拉斯算子与图像卷积可以达到锐化增强图像的目的，拉普拉斯算子如下图所示：

拉普拉斯算子可以增强局部的图像对比度。

图像锐化可通过filter2D()函数调整图像的大小。函数定义如下：

void filter2D(InputArray src, OutputArray dst, int ddepth, InputArray kernel, 
                  Point anchor=Point(-1,-1), double delta=0, int borderType=BORDER_DEFAULT )

参数主要含义如下：

InputArray src: 输入图像；

OutputArray dst: 输出图像，和输入图像具有相同的尺寸和通道数量；

int ddepth: 目标图像深度，如果没写将生成与原图像深度相同的图像；当ddepth输入值为-1时，目标图像和原图像深度保持一致。

InputArray kernel: 卷积核（或者是相关核）,一个单通道浮点型矩阵。如果想在图像不同的通道使用不同的kernel，可以先使用split()函数将图像通道事先分开；

Point anchor: 内核的基准点(anchor)，其默认值为(-1,-1)说明位于kernel的中心位置。基准点即kernel中与进行处理的像素点重合的点；

double delta: 在储存目标图像前可选的添加到像素的值，默认值为0；

int borderType: 像素向外逼近的方法，默认值是BORDER_DEFAULT,即对全部边界进行计算。

主要代码如下：

Mat sharpImg;
    //定义卷积模板
    Mat sharpkernel = (Mat_<float>(3, 3) <<
            0, -1, 0,
            -1,  5, -1,
            0, -1, 0);
    filter2D(grayImg, sharpImg, CV_8UC1, sharpkernel); //使用拉普拉斯算子对图像进行锐化

图像锐化处理结果如下：