估计图像 Opencv 的亮度

Posted 2023-03-28

【中文标题】估计图像 Opencv 的亮度

【英文标题】：Estimate Brightness of an image Opencv

【发布时间】：2012-12-23 23:41:55

【问题描述】：

我一直在尝试在 Opencv 中获取图像亮度，到目前为止，我使用了 calcHist 并考虑了直方图值的平均值。但是，我觉得这并不准确，因为它实际上并不能确定图像的亮度。我在图像的灰度版本上执行了 calcHist，并试图区分从明亮图像获得的平均值与中等图像的平均值。到目前为止，我还没有成功。您能否帮助我提供一种可以通过 OpenCv 实现的方法或算法来估计图像的亮度？提前致谢。

【问题讨论】：

亮度到底是什么意思？您可以发布您正在使用的明亮和中等图像的示例吗？理想情况下在他们的直方图旁边？

***.com/questions/4876315/… 这可能会有所帮助

感谢您的帮助和回复。我必须尝试使用​​建议的 HSV 或链接给出的 YUV。我现在要试试。抱歉回复晚了。

@Brandon ：我所说的明亮图像是指暴露在更多白光下的图像，与那些不那么明亮但对比度更好的图像相比。我会尽快按您的要求上传示例。

@LakshmiNarayanan 如果可能，请检查并让我知道。

【参考方案1】：

我想，HSV color model 对您的问题很有用，其中通道 V 是值：

"值是颜色的明暗度，随颜色饱和度而变化，范围从0到100%。当值为'0'时，颜色空间将是全黑的。随着值的增加，颜色空间调高亮度并显示各种颜色。”

所以使用 OpenCV 方法 cvCvtColor(const CvArr* src, CvArr* dst, int code)，将图像从一种颜色空间转换为另一种颜色空间。在您的情况下，代码 = CV_BGR2HSV。然后计算第三通道 V 的直方图。

【讨论】：

请注意，HSV 将相同的值分配给例如白色和蓝色像素，虽然白色像素明显比蓝色像素亮。

@Ann Orlova ***.com/questions/4876315/…您对此有何看法？

感谢您的帮助和回复。我必须尝试使用​​建议的 HSV 或链接给出的 YUV。我现在要试试。抱歉回复晚了。

CIE-LAB 色彩空间也可以工作github.com/imneonizer/How-to-find-if-an-image-is-bright-or-dark

【参考方案2】：

我正要问同样的问题，但后来发现，类似的问题没有给出令人满意的答案。我在 SO 上找到的所有答案都涉及人类对单像素 RGB 与 HSV 的观察。

根据我的观察，图像的主观亮度也很大程度上取决于图案。在白天，黑暗天空中的星星可能看起来比多云的天空更亮，而第一张图像的平均像素值会小得多。

我使用的图像是由显微镜产生的灰度细胞图像。形式差异很大。有时它们是非常黑的背景上的小亮点，有时是不太暗的背景上不太亮的较大区域。

我的做法是：

使用阈值查找直方图最大值 (HMax) 以去除热点。 计算 HMax * 2/3 和 HMax 之间所有像素的平均值

2/3 的比率也可以增加到 3/4（这会减少被认为是明亮的像素范围）。

这种方法效果很好，因为具有相同滴定度的不同细胞图案会产生相似的亮度。

P.S.：我真正想问的是，在 OpenCV 或 SimpleCV 中是否有类似的计算功能。非常感谢任何 cmets！

【讨论】：

我们使用的是基本相同的东西，但取而代之的是中位数。

【参考方案3】：

我更喜欢Valentin's answer，但对于确定每像素平均亮度的“另一种”方法，您可以使用numpy 和几何平均值而不是算术平均值。对我来说它有更好的结果。

from numpy.linalg import norm

def brightness(img):
    if len(img.shape) == 3:
        # Colored RGB or BGR (*Do Not* use HSV images with this function)
        # create brightness with euclidean norm
        return np.average(norm(img, axis=2)) / np.sqrt(3)
    else:
        # Grayscale
        return np.average(img)

【参考方案4】：

一些 OpenCV C++ 源代码，用于简单检查以区分明暗图像。这受到@ann-orlova 多年前提供的上述答案的启发：

const int darkness_threshold = 128; // you need to determine what threshold to use

cv::Mat mat = get_image_from_device();

cv::Mat hsv;
cv::cvtColor(mat, hsv, CV_BGR2HSV);
const auto result = cv::mean(hsv);

// cv::mean() will return 3 numbers, one for each channel:
//      0=hue
//      1=saturation
//      2=value (brightness)

if (result[2] < darkness_threshold)

    process_dark_image(mat);

else

    process_light_image(mat);