方法一:对每个像素点进行线性处理
两种常用的点过程(即点算子),是用常数对点进行乘法和加法运算:
两个参数 和 一般称作 增益 和 偏置 参数。我们往往用这两个参数来分别控制 对比度 和 亮度 。
你可以把 看成源图像像素,把 看成输出图像像素。这样一来,上面的式子就能写得更清楚些:
运行代码如下:
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
double alpha; /**< 控制对比度 */
int beta; /**< 控制亮度 */
int main()
{
Mat image = imread("2.png",CV_LOAD_IMAGE_UNCHANGED);
if (image.empty()){
cout << "图像加载失败" << endl;
}
// 初始化
cout << " Basic Linear Transforms " << endl;
cout << "-------------------------" << endl;
cout << "* Enter the alpha value [1.0-3.0]: ";
cin >> alpha;
cout << "* Enter the beta value [0-100]: ";
cin >> beta;
Mat new_image = Mat::zeros(image.size(), image.type());
for (int i = 0; i < image.rows; i++)
{
for (int j = 0; j < image.cols; j++)
{
for (int k = 0; k < 3; k++)
{
new_image.at<Vec3b>(i, j)[k] =
saturate_cast<uchar>(alpha*(image.at<Vec3b>(i, j)[k]) + beta);
}
}
}
namedWindow("a",1);
imshow("b", new_image);
waitKey();
return 0;
}
方法二:使用opencv函数convertTo
void Mat::convertTo( Mat& m, int rtype, double alpha=1, double beta=0 )
const;
输入参数:
m 目标矩阵。如果m的大小与原矩阵不一样,或者数据类型与参数不匹配,那么在函数convertTo内部会先给m重新分配空间。
rtype 指定从原矩阵进行转换后的数据类型,即目标矩阵m的数据类型。当然,矩阵m的通道数应该与原矩阵一样的。如果rtype是负数,那么m矩阵的数据类型应该与原矩阵一样。
alpha 缩放因子。默认值是1。即把原矩阵中的每一个元素都乘以alpha。
beta 增量。默认值是0。即把原矩阵中的每一个元素都乘以alpha,再加上beta。
功能
函数将源矩阵中的像素值转换为目标类型。最后会使用溢出保护函数saturate_cast<> ,以避免转换过程中可能出现的溢出。函数执行如下运算:
m(x,y)=saturate_cast<rType>(alpha*(*this)(x,y)+beta);
由于有数据类型的转换,所以需要用saturate_cast<rType>来处理数据的溢出。
代码如下:
#include <iostream>
#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
double alpha; /**< 控制对比度 */
int beta; /**< 控制亮度 */
int main()
{
Mat image = imread("2.png",CV_LOAD_IMAGE_UNCHANGED);
if (image.empty()){
cout << "图像加载失败" << endl;
}
Mat imageConvert;
image.convertTo(imageConvert, image.type(), 1, 50);
namedWindow("a", 1);
imshow("a", imageConvert);
waitKey();
return 0;
}