opencv中如何调整图像亮度和对比度，以及亮度和对比度调整的原理

文章目录

• • 1. 调整图像亮度和对比度的原理
  • 2. python实现的一个代码如下，可以直接运行
  • 3. 在opencv种调节图像和对比度的方法
  • • a. opencv中的实现方法：
    • b. 根据咱们的公式，我们也可以得到自己的a,b系数，实现结果表明和opencv的方法具有类似的效果
    • c.两种方案的完整demo，c++实现:

1. 调整图像亮度和对比度的原理

通过设计一个映射曲线就可完成对比度、亮度调整，具体过程如下图所示，
a) 为原图；
b) 把亮度调高，像素强度+固定值；
c) 把亮度调低，像素强度-固定值；
d) 增大像素强度75附近的对比度；增大附近的斜率
e) 增大像素强度150附近的对比度；
f) 增大像素强度75和225附近的对比度。

曲线斜率大于45度角的区域灰度被拉伸、精度上升、对比度变高；
曲线斜率小于45度角的区域灰度被压缩、精度下降、对比度变低。

下面图像是 0-255 映射到 0-255， a原图，b原图加上一个数，c原图减去一个数，d在value=75处拉伸，e在value=150出拉伸，f在75和225出进行拉伸。拉伸操作可以提升该区域的对比度

opencv关于对比度和亮度的误解

2. python实现的一个代码如下，可以直接运行

首先减去均值，然后调整对比度（乘上大于1的系数进行拉伸），然后加上均值，最后调整亮度。
aa是拉伸系数，bb是亮度变化
img_a = aa * (img - bri_mean) + bb + bri_mean

import cv2import numpy as npfrom matplotlib import pyplot as pltif __name__ == "__main__":    file = r'D:\dataset\data_gain1_2\cap_frame_0002_raw.png'    img = cv2.imread(file).astype(np.float32)    bri_mean = np.mean(img)    a = np.arange(5, 16, 5) / 10    b = np.arange(-30, 31, 30)    a_len = len(a)    b_len = len(b)    print(a_len, b_len)    plt.figure()    for i in range(a_len):        for j in range(b_len):            aa = a[i]            bb = b[j]            img_a = aa * (img-bri_mean) + bb + bri_mean            print(i, j, aa, bb)            img_a = np.clip(img_a,0,255).astype(np.uint8)            plt.subplot(a_len+1, b_len, (j + b_len * i + 1))            plt.imshow(img_a, cmap='gray')    plt.subplot(a_len + 1, b_len, a_len*b_len+1)    plt.imshow(img.astype(np.uint8), cmap='gray')    plt.show()

得到不同亮度和对比度的结果

3. 在OpenCV种调节图像和对比度的方法

可以参考下面链接的demo code:
opencv demo code
运行程序，对应直方图的变化：
原图

增加亮度，直方图向右平移

增加对比度， 直方图更加均衡

a. opencv中的实现方法：

首先认识 convertTo函数

image.convertTo(dst, CV_8U, a, b);

converTo 中的a,b是相乘和相加系数

opencv里是这样得到 a,b系数的
opencv中时如何求 alpha和beta的？如下：

if (contrast > 0){    delta = 127. * contrast / 100;    a = 255. / (255. - delta * 2);    b = a * (brightness - delta);}else{    delta = -128. * contrast / 100;    a = (256. - delta * 2) / 255.;    b = a * brightness + delta;}

b. 根据咱们的公式，我们也可以得到自己的a,b系数，实现结果表明和opencv的方法具有类似的效果

img_a = aa * (img - bri_mean) + bb + bri_mean
bri_mean锚定为127的时候
img_a = aa * (img - 127) + bb + 127 = aa * img - 127*aa + bb + 127 = aa * img + (1-aa) * 127 + bb

opencv中_brightness 和 _contrast 的范围是 0-200， 等于100时不进行调整， 参考和运行下面的demo程序

a = _contrast / 100.0f;b = (1 - a) * 127 + _brightness - 100;

通过对比直方图的变化效果 可知上面两个方法 作用是类似的。
本来想找opencv的方法对应的原理链接，但是链接已经失效

c.两种方案的完整demo，c++实现:

#include "opencv2/core/utility.hpp"#include "opencv2/imgproc.hpp"#include "opencv2/imGCodecs.hpp"#include "opencv2/highgui.hpp"#include using namespace cv;using namespace std;int _brightness = 100;int _contrast = 100;Mat image;static void updateBrightnessContrast(int , void*){    int histSize = 64;    int brightness = _brightness - 100;    int contrast = _contrast - 100;        double a, b;        double delta=0;    //opencv中的方法    if (contrast > 0)    {        delta = 127. * contrast / 100;        a = 255. / (255. - delta * 2);        b = a * (brightness - delta);    }    else    {        delta = -128. * contrast / 100;        a = (256. - delta * 2) / 255.;        b = a * brightness + delta;    }         //a = _contrast / 100.0f;    //b = (1 - a) * 127 + _brightness - 100;    //printf("ab value :%.4lf, %.4lf, %.4lf\n",delta, a, b);    Mat dst, hist;    image.convertTo(dst, CV_8U, a, b);    imshow("image", dst);    calcHist(&dst, 1, 0, Mat(), hist, 1, &histSize, 0);    Mat histImage = Mat::ones(200, 320, CV_8U) * 255;    nORMalize(hist, hist, 0, histImage.rows, NORM_MINMAX, CV_32F);    histImage = Scalar::all(255);    int binW = cvRound((double)histImage.cols / histSize);    for (int i = 0; i < histSize; i++)        rectangle(histImage, Point(i * binW, histImage.rows),            Point((i + 1) * binW, histImage.rows - cvRound(hist.at<float>(i))),            Scalar::all(0), -1, 8, 0);    imshow("histogram", histImage);}const char* keys ={    "{help h||}{@image|baboon.jpg|input image file}"};int main(int argc, const char** argv){    CommandLineParser parser(argc, argv, keys);    parser.about("\nThis program demonstrates the use of calcHist() -- histogram creation.\n");    if (parser.has("help"))    {        parser.printMessage();        return 0;    }    string inputImage = parser.get<string>(0);    // Load the source image. HighGUI use.    image = imread(samples::findFile(inputImage), IMREAD_GRAYSCALE);    if (image.empty())    {        std::cerr << "Cannot read image file: " << inputImage << std::endl;        return -1;    }    namedWindow("image", 0);    namedWindow("histogram", 0);    createTrackbar("brightness", "image", &_brightness, 200, updateBrightnessContrast);    createTrackbar("contrast", "image", &_contrast, 200, updateBrightnessContrast);    updateBrightnessContrast(0, 0);    waiTKEy();    return 0;}

来源地址：https://blog.csdn.net/tywwwww/article/details/126626804