Python-OpenCV——亮度和對比度

亮度計算：Y（亮度） = 0.299*R + 0.587*G + 0.114*B

也能夠根據這個計算亮度：

https://blog.csdn.net/cruoni/article/details/85110289

 

亮度與對比度

亮度調整是將圖像像素的強度總體變大/變小，對比度調整指的是圖像暗處變得更暗，亮出變得更亮，從而拓寬某個區域內的顯示精度。

OpenCV中亮度和對比度應用這個公式來計算：g(x) = αf(x) + β，其中：α(>0)、β常稱爲增益與偏置值，分別控制圖片的對比度和亮度。

注：此處對α/β控制對比度和亮度有爭議，具體請參考：OpenCV關於對比度和亮度的誤解

img = cv2.imread('lena.jpg')
# 此處需注意，請參考後面的解釋
res = np.uint8(np.clip((1.5 * img + 10), 0, 255))
tmp = np.hstack((img, res))  # 兩張圖片橫向合併（便於對比顯示）

cv2.imshow('image', tmp)
cv2.waitKey(0)

還記得圖像混合那一節中numpy對數據溢出的取模處理嗎？250+10 = 260 => 260%256=4，它並不適用於咱們的圖像處理，因此用np.clip()函數將數據限定：a<0 => a=0, a>255 => a=255

 

作個小練習吧！建立兩個滑動條分別調整對比度和亮度（對比度範圍：0~0.3， 亮度0~100）。提示：由於滑動條沒有小數，因此能夠設置爲0~300，而後乘以0.01

import cv2
import numpy as np

alpha = 0.3
beta = 80
img_path = "./a.png"
img = cv2.imread(img_path)
img2 = cv2.imread(img_path)

def updateAlpha(x):
    global alpha,img,img2
    alpha = cv2.getTrackbarPos('Alpha','image')
    alpha = alpha * 0.01
    img = np.uint8(np.clip((alpha * img2 + beta), 0, 255))

def updateBeta(x):
    global beta,img,img2
    beta = cv2.getTrackbarPos('Beta','image')
    img = np.uint8(np.clip((alpha * img2 + beta), 0, 255))
  

# 建立窗口
cv2.namedWindow('image')
cv2.createTrackbar('Alpha','image',0,300,updateAlpha)
cv2.createTrackbar('Beta','image',0,255,updateBeta)
cv2.setTrackbarPos('Alpha','image',100)
cv2.setTrackbarPos('Beta','image',10)
# 設置鼠標事件回調
#cv2.setMouseCallback('image',update)  


while(True):
    cv2.imshow('image',img) 
    if cv2.waitKey(1) == ord('q'):  
        break

cv2.destroyAllWindows()

代碼就不解釋了，不瞭解的可參考這個教程：Python-OpenCV基礎入門——滑動條組件（很是簡明易懂）