使用opencv怎么调整图像亮度和对比度
使用opencv怎么调整图像亮度和对比度？针对这个问题，这篇文章详细介绍了相对应的分析和解答，希望可以帮助更多想解决这个问题的小伙伴找到更简单易行的方法。
图像处理
图像变换就是找到一个函数,把原始图像矩阵经过函数处理后,转换为目标图像矩阵. 可以分为两种方式,即像素级别的变换和区域级别的变换
Point operators (pixel transforms)
Neighborhood (area-based) operators
像素级别的变换就相当于\(p_{after}(i,j) = f(p_{before}(i,j))\),即变换后的每个像素值都与变换前的同位置的像素值有个函数映射关系.
对比度和亮度改变
线性变换
最常用的是线性变换．即\(g(i,j) = \alpha \cdot f(i,j) + \beta\)f(i,j)是原像素值,g(i,j)是变换后的像素值.\(\alpha\)调整对比度,\(\beta\)调整亮度.有时也称之为gain和bias参数.
对比度是什么？不就是"亮和暗的区别"吗？也就是像素值的大小的区别．那我乘以一个alpha系数,当alpha很大的时候就是放大了这种亮度值的差异,也就是提高了对比度，当alpha很小时,也就是缩小了亮度的差异,也就是缩小了对比度.
beta就更好理解了,直接在像素的亮度值上加上一个数,正数就是提高亮度,负数降低亮度.
看一下下面代码的示例:
from__future__importprint_function
frombuiltinsimportinput
importcv2ascv
importnumpyasnp
importargparse
#Readimagegivenbyuser
parser=argparse.ArgumentParser(description='CodeforChangingthecontrastandbrightnessofanimage!tutorial.')
parser.add_argument('--input',help='Pathtoinputimage.',default='lena.jpg')
args=parser.parse_args()
image=cv.imread(cv.samples.findFile(args.input))
ifimageisNone:
print('Couldnotopenorfindtheimage:',args.input)
exit(0)
new_image=np.zeros(image.shape,image.dtype)
alpha=1.0#Simplecontrastcontrol
beta=0#Simplebrightnesscontrol
#Initializevalues
print('BasicLinearTransforms')
print('-------------------------')
try:
alpha=float(input('*Enterthealphavalue[1.0-3.0]:'))
beta=int(input('*Enterthebetavalue[0-100]:'))
exceptValueError:
print('Error,notanumber')
#Dotheoperationnew_image(i,j)=alpha*image(i,j)+beta
#Insteadofthese'for'loopswecouldhaveusedsimply:
#new_image=cv.convertScaleAbs(image,alpha=alpha,beta=beta)
#butwewantedtoshowyouhowtoaccessthepixels:)
foryinrange(image.shape[0]):
forxinrange(image.shape[1]):
forcinrange(image.shape[2]):
new_image[y,x,c]=np.clip(alpha*image[y,x,c]+beta,0,255)
cv.imshow('OriginalImage',image)
cv.imshow('NewImage',new_image)
#Waituntiluserpresssomekey
cv.waitKey()提示module 'cv2' has no attribute 'samples'的话要先安装pip install opencv-python==4.0.0.21.
执行:python change_brightness_contrast.py --input ./lights.jpeg
线性变换有个问题,如上图,α=1.3 and β=40,提高原图亮度的同时,导致云几乎看不见了.如果要看见云的话,建筑的亮度又不够.
这个时候就引入了非线性变换. 称之为Gamma correction
\(O = \left( \frac{I}{255} \right)^{\gamma} \times 255\)
与线性变换不同,对不同的原始亮度值,其改变强度是不同的,是非线性的．
在 γ<1的时候,会提高图片亮度．>1时,降低亮度.
γ=0.4的变换效果图如上.可以看到云层及建筑变亮的同时还保持了对比度让图像依然清晰.
如果查看不同变换下的灰度直方图的话可以看到.中间是原图的灰度直方图,可以看到低亮度值的像素点很多.左边是做了线性变换的,整体直方图产生了右移,并且在255处出现峰值.因为每个像素点都增加了亮度嘛.导致了白云和蓝天过于明亮无法区分.
而右边做了gamma校正的图像亮度分布比较均匀,即使得低亮度值的部分得以加强,又不至于过度曝光使得白云无法区分.
实现Gamma correction的代码如下.
lookUpTable=np.empty((1,256),np.uint8) foriinrange(256): lookUpTable[0,i]=np.clip(pow(i/255.0,gamma)*255.0,0,255) res=cv.LUT(img_original,lookUpTable)
关于使用opencv怎么调整图像亮度和对比度问题的解答就分享到这里了，希望以上内容可以对大家有一定的帮助，如果你还有很多疑惑没有解开，可以关注恰卡编程网行业资讯频道了解更多相关知识。
