图像亮度检测 python 图像亮度调节算法

图像处理

• 一般来说，图像处理算子是带有一幅或多幅输入图像、产生一幅输出图像的函数。
• 图像变换可分为以下两种：

• 点算子（像素变换）
• 邻域（基于区域的）算子

像素变换

• 在这一类图像处理变换中，仅仅根据输入像素值（有时可加上某些全局信息或参数）计算相应的输出像素值。
• 这类算子包括 亮度和对比度调整 ，以及颜色校正和变换。

亮度和对比度调整

• 两种常用的点过程（即点算子），是用常数对点进行 乘法 和 加法 运算：
  
• 两个参数 



•  和 



•  一般称作 增益 和 偏置 参数。我们往往用这两个参数来分别控制 对比度 和 亮度 。
• 你可以把  看成源图像像素，把  看成输出图像像素。这样一来，上面的式子就能写得更清楚些：
  

其中， 

 和 

 表示像素位于 第i行 和 第j列 。

代码

• 下列代码执行运算  ：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace std; using namespace cv; double alpha; /**< 控制对比度 */ int beta; /**< 控制亮度 */ int main( int argc, char** argv ) { /// 读入用户提供的图像 Mat image = imread( argv[1] ); Mat new_image = Mat::zeros( image.size(), image.type() ); /// 初始化 cout << " Basic Linear Transforms " << endl; cout << "-------------------------" << endl; cout << "* Enter the alpha value [1.0-3.0]: "; cin >> alpha; cout << "* Enter the beta value [0-100]: "; cin >> beta; /// 执行运算 new_image(i,j) = alpha*image(i,j) + beta for( int y = 0; y < image.rows; y++ ) { for( int x = 0; x < image.cols; x++ ) { for( int c = 0; c < 3; c++ ) { new_image.at<Vec3b>(y,x)[c] = saturate_cast<uchar>( alpha*( image.at<Vec3b>(y,x)[c] ) + beta ); } } } /// 创建窗口 namedWindow("Original Image", 1); namedWindow("New Image", 1); /// 显示图像 imshow("Original Image", image); imshow("New Image", new_image); /// 等待用户按键 waitKey(); return 0; }

说明

2. 一上来，我们要建立两个变量，以存储用户输入的 



3.  和 



4.  ：







double alpha;
int beta;







5. 然后，用 imread 载入图像，并将其存入一个Mat对象：







Mat image = imread( argv[1] );







7. 此时，因为要对图像进行一些变换，所以我们需要一个新的Mat对象，以存储变换后的图像。我们希望这个Mat对象拥有下面的性质：




• 像素值初始化为0
• 与原图像有相同的大小和类型










Mat new_image = Mat::zeros( image.size(), image.type() );







注意到， Mat::zeros 采用Matlab风格的初始化方式，用 image.size() 和 image.type() 来对Mat对象进行0初始化。

12. 现在，为了执行运算 



13.  ，我们要访问图像的每一个像素。因为是对RGB图像进行运算，每个像素有三个值（R、G、B），所以我们要分别访问它们。下面是访问像素的代码片段：







for( int y = 0; y < image.rows; y++ ) { for( int x = 0; x < image.cols; x++ ) { for( int c = 0; c < 3; c++ ) { new_image.at<Vec3b>(y,x)[c] = saturate_cast<uchar>( alpha*( image.at<Vec3b>(y,x)[c] ) + beta ); } } }







注意以下两点：




• 为了访问图像的每一个像素，我们使用这一语法： image.at<Vec3b>(y,x)[c] 其中， y 是像素所在的行， x 是像素所在的列， c 是R、G、B（0、1、2）之一。
• 因为 



•  的运算结果可能超出像素取值范围，还可能是非整数（如果 



•  是浮点数的话），所以我们要用 saturate_cast 对结果进行转换，以确保它为有效值。




16. 最后，用传统方法创建窗口并显示图像。







namedWindow("Original Image", 1); namedWindow("New Image", 1); imshow("Original Image", image); imshow("New Image", new_image); waitKey(0);

Note

我们可以不用 for 循环来访问每个像素，而是直接采用下面这个命令：

image.convertTo(new_image, -1, alpha, beta);

这里的 convertTo 将执行我们想做的 new_image = a*image + beta 。然而，我们想展现访问每一个像素的过程，所以选用了for循环的方式。实际上，这两种方式都能返回同样的结果。