Python-OpenCV——亮度和对比度

亮度计算：Y（亮度） = 0.299*R + 0.587*G + 0.114*B

也能够根据这个计算亮度：

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

 

亮度与对比度

亮度调整是将图像像素的强度总体变大/变小，对比度调整指的是图像暗处变得更暗，亮出变得更亮，从而拓宽某个区域内的显示精度。

OpenCV中亮度和对比度应用这个公式来计算：g(x) = αf(x) + β，其中：α(>0)、β常称为增益与偏置值，分别控制图片的对比度和亮度。

注：此处对α/β控制对比度和亮度有争议，具体请参考：OpenCV关于对比度和亮度的误解

img = cv2.imread('lena.jpg')
# 此处需注意，请参考后面的解释
res = np.uint8(np.clip((1.5 * img + 10), 0, 255))
tmp = np.hstack((img, res))  # 两张图片横向合并（便于对比显示）

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

还记得图像混合那一节中numpy对数据溢出的取模处理吗？250+10 = 260 => 260%256=4，它并不适用于咱们的图像处理，因此用np.clip()函数将数据限定：a<0 => a=0, a>255 => a=255

 

作个小练习吧！建立两个滑动条分别调整对比度和亮度（对比度范围：0~0.3， 亮度0~100）。提示：由于滑动条没有小数，因此能够设置为0~300，而后乘以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)
# 设置鼠标事件回调
#cv2.setMouseCallback('image',update)  


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

cv2.destroyAllWindows()

代码就不解释了，不了解的可参考这个教程：Python-OpenCV基础入门——滑动条组件（很是简明易懂）