【opencv学习笔记】007之图像亮度与对比度

墨蓝 2021-09-19 00:34 443阅读 0赞

**目录**

一、前言

二、访问像素

1、什么是访问像素

2、Vec3b与Vec3f

三、图像亮度与对比度

1、算子

2、点操作-亮度与对比度

四、全部代码及结果展示

1、代码

2、运行效果图

--------------------

# 一、前言 #

今天不废话了，因为吃一堑，长一智，现在已经养成了定期完善博客的习惯，等坚持不下去的时候，再用鸡汤来鞭策自己。

今天要讲的是图像对比度与亮度的调整。

如果想看其他有关于OpenCV学习方法介绍、学习教程、代码实战、常见报错及解决方案等相关内容，可以直接看我的OpenCV分类：

> [【OpenCV系列】：https://blog.csdn.net/shuiyixin/article/category/7581855][OpenCV_https_blog.csdn.net_shuiyixin_article_category_7581855]

# 二、访问像素 #

## 1、什么是访问像素 ##

我们之前有教程专门讲过图像像素的访问，与操作，在这里再次说明是为了强调其重要性。因为我们对图像的处理就是对像素点的处理，所以如何获取像素点，如何修改像素点非常重要。

如果大家对访问像素以及像素操作了解不是很深，可以看下面两篇博客：

> [图像像素基本操作及掩膜操作：https://blog.csdn.net/shuiyixin/article/details/88825549][https_blog.csdn.net_shuiyixin_article_details_88825549]
> 
> [读写像素：https://blog.csdn.net/shuiyixin/article/details/89304084][https_blog.csdn.net_shuiyixin_article_details_89304084]

## 2、Vec3b与Vec3f ##

这里讲访问图像主要是讲Vec3b与Vec3f。

我们经常会在代码中看到Vec3b与Vec3f，特别是在获取图像像素时候，获取图像像素点信息的时候，Vec3b与Vec3f几乎就是常客了。

所以在这里着重给大家说一下：

> **Vec3b ：对应三通道的顺序是blue、green、red的uchar类型数据。**
> 
> **Vec3f ：对应三通道的float类型数据**

例如我们这个博客中用到的例子：

float b = m1.at<Vec3f>(row, col)[0];// blue
    	float g = m1.at<Vec3f>(row, col)[1]; // green
    	float r = m1.at<Vec3f>(row, col)[2]; // red
    
    	// output
    	dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b*alpha + beta);
    	dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g*alpha + beta);
    	dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r*alpha + beta);

# 三、图像亮度与对比度 #

## 1、算子 ##

首先我们先拓展一个概念叫算子。我们可以把算子当做一个函数，通过算子，我们可以修改图像，合并图像等，可以将多个图像经过一系列操作得到新的图像。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_15_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_30_color_FFF339_t_70][] 一个输入图像

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_15_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_45_color_FFF339_t_70][] 多个输入图像

## 2、点操作-亮度与对比度 ##

点操作是比较简单的算子，需要获取到图像的像素值，并对像素值作相应修改就可以了。

亮度与对比度是比较基础，也是比较常用的算子，我们经常可以在美颜相机上见到这两个算子的应用，我们经常用它来美白，提高图像的对比度。

我们知道，RGB的值越大，图像越接近白色，在视觉效果来看，亮度越大，RGB的值越小，图像越接近黑色，在视觉效果来看，亮度越小，所以我们通过添加两个系数来设置图像的亮度与对比度：

> 系数1：增益（gain），用来控制图像的对比度，用alpha（α）表示，α＞0；
> 
> 系数2：偏置（bias），用来控制图像的亮度，用beta（β）表示。

我们设置两个函数，一个表示输入图像，一个表示输出图像：

> 函数1：f（x），输入图像；
> 
> 函数2：g（x），输出图像。

由此我们可以得到调整亮度与对比度的公式：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_15_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_45_color_FFF339_t_70 1][] 亮度与对比度公式

这个是数学公式，在图像处理里面，因为我们是对像素点修改，像素点是有坐标的，调整第i行，第j列的像素值的公式如下：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_15_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_50_color_FFF339_t_70][] 图像的亮度与对比度公式

剩下的废话不多说，让我们上代码。

# 四、全部代码及结果展示 #

## 1、代码 ##

代码比较简单，就不分块讲解了。直接分享给大家：

#include <opencv2/opencv.hpp>
    #include <iostream>
    
    using namespace cv;
    int main(int argc, char** argv) {
    	Mat src, dst;
    	src = imread("E:/image/Girl.png");
    	if (!src.data) {
    		printf("could not load image...\n");
    		return -1;
    	}
    
    	imshow("【before】", src);
    
    	// contrast and brigthtness changes 
    	int height = src.rows;
    	int width = src.cols;
    	dst = Mat::zeros(src.size(), src.type());
    	float alpha = 0.9; //1.1  设置对比度
    	float beta = -3;   //3  设置亮度
    
    	Mat m1;
    	src.convertTo(m1, CV_32F);
    	for (int row = 0; row < height; row++) {
    		for (int col = 0; col < width; col++) {
    			if (src.channels() == 3) {
    				float b = m1.at<Vec3f>(row, col)[0];// blue
    				float g = m1.at<Vec3f>(row, col)[1]; // green
    				float r = m1.at<Vec3f>(row, col)[2]; // red
    
    				// output
    				dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(b*alpha + beta);
    				dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(g*alpha + beta);
    				dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(r*alpha + beta);
    			}
    			else if (src.channels() == 1) {
    				float v = src.at<uchar>(row, col);
    				dst.at<uchar>(row, col) = saturate_cast<uchar>(v*alpha + beta);
    			}
    		}
    	}
    
    	imshow("【after】", dst);
    
    	waitKey(0);
    	return 0;
    }

## 2、运行效果图 ##

因为α和β取不同类型值时，得到的结果不一样，我分别取（α<1、β<0）和（α>1、β>0）分别做测试。

运行结果如下图，前面是原图，后面是处理后的图像：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FF369F_t_70][] （α = 0.9、β = -3）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FF359F_t_70][] （α = 1.1、β = 3）

效果还是蛮不错的。以后P图，大家都可以自己写代码P啦，比使用美图软件高级不少呢！

今天的内容就讲到这里啦，有什么问题，大家可以在下面留言哦！

[OpenCV_https_blog.csdn.net_shuiyixin_article_category_7581855]: https://blog.csdn.net/shuiyixin/article/category/7581855
[https_blog.csdn.net_shuiyixin_article_details_88825549]: https://blog.csdn.net/shuiyixin/article/details/88825549
[https_blog.csdn.net_shuiyixin_article_details_89304084]: https://blog.csdn.net/shuiyixin/article/details/89304084
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_15_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_30_color_FFF339_t_70]: /images/20210516/6bfc63662d5f46d996f0842a8353c42d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_15_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_45_color_FFF339_t_70]: /images/20210516/d203f589f7174a409b72f3d80becc366.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_15_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_45_color_FFF339_t_70 1]: /images/20210516/14880c7d76004e77b08243a046638f39.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_15_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_50_color_FFF339_t_70]: /images/20210516/be793af2321341c3a86a73d6f1f392dc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FF369F_t_70]: /images/20210516/732820de11ce4ec087f03348dffeafb8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NodWl5aXhpbg_size_56_color_FF359F_t_70]: /images/20210516/a11ad66c56f34064b9fe320923cac0bd.png