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

Posted 2023-04-09 tony365

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 cv2
import numpy as np
from matplotlib import pyplot as plt

if __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 <iostream>

using namespace cv;
using namespace std;

int _brightness = 100;
int _contrast = 100;

Mat image;

/* brightness/contrast callback function */
static void updateBrightnessContrast(int /*arg*/, void*)

    int histSize = 64;
    int brightness = _brightness - 100;
    int contrast = _contrast - 100;

    /*
     * The algorithm is by Werner D. Streidt
     * (http://visca.com/ffactory/archives/5-99/msg00021.html)
     */
    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;
    
    /*method 2*/ 
    //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;

OpenCV 调整图像亮度与对比度

图像变换理论公式

图像变换可以看作如下：

1. 像素变换 – 点操作：对点进行像素值调整
2. 邻域操作 – 区域：

调整图像亮度和对比度属于像素变换-点操作，变换公式如下：

图像变换相关API

zeros( image.size(), image.type() )

作用：创建一张跟原图像大小和类型一致的空白图像、像素值初始化为0

函数原型：

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

参数为图像的size属性与type属性，用时直接调用就可以了，例如下面例子：

dst = Mat::zeros(src.size(), src.type());	// 初始化对象

saturate_cast(value);

作用：确保修改值大小范围为0~255之间

函数原型：

saturate_cast(value);：

参数为要设置的值，往往是赋值给前面的像素点，例如下面语句，saturate_cast(value)通常作为后面的value

Mat.at(y,x)[index]=value; ：给每个像素点每个通道赋值

例如下面用法：

dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(alpha*b + beta);// 调整对比度与亮度

代码示例

#include <iostream>
#include <math.h>
#include <opencv2/opencv.hpp>
#include<opencv2/highgui.hpp>
#include <opencv2/highgui/highgui_c.h>  

using namespace std;
using namespace cv;

int main(int argc, char** argv) {
	Mat src = imread("./test2.jpg");
	if (!src.data) {
		cout << "could not load image ..." << endl;
		return -1;
	}
	char windows_name[] = "input Image";
	namedWindow(windows_name, CV_WINDOW_AUTOSIZE);
	imshow(windows_name, src);

	//调整图像亮度与对比度
	int height = src.rows;
	int width = src.cols;

	float alpha = 1.2f;
	float beta = 10.f;	// 增益变量

	Mat dst, convert, dst_convert;
	//cvtColor(src,src,CV_RGB2GRAY);			// 将src灰度处理
	//imshow("gray",src);						// 灰度图

	dst = Mat::zeros(src.size(), src.type());	// 初始化对象

	src.convertTo(convert, CV_32F);//将其转化为 float 型数据
	dst_convert = Mat::zeros(src.size(), src.type());

	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) 
		{
			if (src.channels() == 1) {					// 单通道图像的处理
				int v = src.at<uchar>(row, col);
				dst.at<uchar>(row, col) = saturate_cast<uchar>(alpha*v + beta);	// 灰度图的计算
			}
			else if (src.channels() == 3) {				// 3通道图像处理
				int b = src.at<Vec3b>(row, col)[0];		// 注意只能用<Vec3b>，而不能用<Vec3f>
				int g = src.at<Vec3b>(row, col)[1];
				int r = src.at<Vec3b>(row, col)[2];
				dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(alpha*b + beta);// 调整对比度与亮度，公式: g(i,j) = α*f(i,j)+β  其中 α>0, β是增益变量
				dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(alpha*g + beta);// 图像越亮，颜色值越往255靠近
				dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(alpha*r + beta);// 对比度: 就是两个像素点之间的差值，差值越大对比度越高，反之越低

				float f_b = convert.at<Vec3f>(row, col)[0];
				float f_g = convert.at<Vec3f>(row, col)[1];
				float f_r = convert.at<Vec3f>(row, col)[2];
				dst_convert.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(alpha*f_b + beta);// 用float计算会比uchar精度高一些，值会大一点点
				dst_convert.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(alpha*f_g + beta);
				dst_convert.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(alpha*f_r + beta);

			}
		}
	}

	imshow("dst_Image", dst);
	imshow("dst_convert Image", dst_convert);

	waitKey(0);
	return 0;
}