图像亮度对比度调整

最新推荐文章于 2023-05-15 17:21:06 发布
最新推荐文章于 2023-05-15 17:21:06 发布
阅读量938 收藏 2
点赞数 1
文章标签： opencv 计算机视觉 cv 人脸识别 边缘检测
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_38032942/article/details/111158620
版权

读写像素

读一个GRAY像素点的像素值(CV_8UC1)

//方式一
Scalar intensity = img.at<uchar>(y, x); 
//方式二
Scalar intensity = img.at<uchar>(Point(x, y));

读一个BGR像素点的像素值

//读取整形
Vec3b intensity = src.at<Vec3b>(x, y);
int b = intensity [0];
int g = intensity [1];
int r = intensity [2];
//读取浮点型
Vec3f intensity = img.at<Vec3f>(y, x); 
float blue = intensity.val[0]; 
float green = intensity.val[1]; 
float red = intensity.val[2];

Vec3b与Vec3F

  • 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
  • 把CV_8UC1转换到CV32F1实现如下：src.convertTo(dst, CV_32F);

修改像素值

灰度图像img.at(y, x) = 128;

RGB三通道图像img.at(y,x)[0]=128; // blueimg.at(y,x)[1]=128; // greenimg.at(y,x)[2]=128; // red

空白图像赋值img = Scalar(0);

ROI选择Rect r(10, 10, 100, 100);Mat smallImg = img(r);

获取灰度图像素点

接下来用灰度图的反色作为示例：

#include <iostream>
#include <opencv2\opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char **argv)
{

	Mat src = imread("C:\\Users\\Tim\\Desktop\\Image\\a.jpg");
	if (src.empty())
	{
		cout << "load image filed..." << endl;
		return -1;
	}

	namedWindow("src_window", CV_WINDOW_AUTOSIZE);
	imshow("src_window", src);

	Mat src_gray;
	cvtColor(src, src_gray, CV_BGR2GRAY);

	namedWindow("src_gray_window", CV_WINDOW_AUTOSIZE);
	imshow("src_gray_window", src_gray);
	
	int height = src_gray.rows;
	int width = src_gray.cols;

	//单通道
	for (int row = 0; row < height;row++){
		for (int col = 0; col < width; col++) {
			//给每一个像素点取反
			int gray = src_gray.at<uchar>(row, col);
			src_gray.at<uchar>(row, col) = 255 - gray;
		}
	}
	//展示灰度图的反色图
	namedWindow("gray_window",CV_WINDOW_AUTOSIZE);
	imshow("gray_window", src_gray);
	waitKey(0);
	return 0;
}

mark

获取三通道图像素点

对于三通道的像素点获取，以获取原图的反色图为例：

#include <iostream>
#include <opencv2\opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char **argv)
{

	Mat src = imread("C:\\Users\\Tim\\Desktop\\Image\\a.jpg");
	if (src.empty())
	{
		cout << "load image filed..." << endl;
		return -1;
	}

	namedWindow("src_window", CV_WINDOW_AUTOSIZE);
	imshow("src_window", src);

	Mat src_gray;
	cvtColor(src, src_gray, CV_BGR2GRAY);

	int height = src_gray.rows;
	int width = src_gray.cols;

	//三通道图像初始化
	Mat dst;
	dst.create(src.size(), src.type());
	height = src.rows;
	width = src.cols;

	//获取通道数
	int cn = src.channels();

	for (int row = 0; row < height; row++) {
		for (int col = 0; col < width; col++) {
			if (cn == 1) {
				//单通道图的处理，这块也就是上面的代码
				int gray = src_gray.at<uchar>(row, col);
				src_gray.at<uchar>(row, col) = 255 - gray;
			}
			else  if(cn == 3){
				//从原图中读取
				int b = src.at<Vec3b>(row, col)[0];
				int g = src.at<Vec3b>(row, col)[1];
				int r = src.at<Vec3b>(row, col)[2];
				//写入目标图像
				dst.at<Vec3b>(row, col)[0] = 255 - b;
				dst.at<Vec3b>(row, col)[1] = 255 - g;
				dst.at<Vec3b>(row, col)[2] = 255 - r;
			}		
		}
	}
	//使用API进行操作
	//bitwise_not(src, dst)
	namedWindow("gray_window",CV_WINDOW_AUTOSIZE);
	imshow("gray_window", dst);
	waitKey(0);
	return 0;
}

mark

上面的反色，使用API也可以做到：bitwise_not(src, dst)

三通道图转为灰度图的其他方式

mark

通过把原图中的像素点设定为像素点中的最大或者最小值也是可以达到转换为灰度图的效果！

图像混合

理论-线性混合操作

mark

相关API (addWeighted)

参数1：输入图像Mat – src1
参数2：输入图像src1的alpha值
参数3：输入图像Mat – src2
参数4：输入图像src2的alpha值
参数5：gamma值
参数6：输出混合图像
注意点：两张图像的大小和类型必须一致才可以

#include <iostream>
#include <opencv2\opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char **argv)
{

	Mat src1 = imread("C:\\Users\\Tim\\Desktop\\Image\\a.jpg");
	Mat src2 = imread("C:\\Users\\Tim\\Desktop\\Image\\b.jpg");
	Mat ret;//输出图像
	if (src1.empty() || src2.empty())
	{
		cout << "load image filed..." << endl;
		return -1;
	}

	namedWindow("src1", CV_WINDOW_AUTOSIZE);
	imshow("src1", src1);
	namedWindow("src2", CV_WINDOW_AUTOSIZE);
	imshow("src2", src2);

	double alpha = 0.5;
	//两张图片大小一致、类型一致
	if (src1.rows == src2.rows && src1.cols == src2.cols
	{
		addWeighted(src1, alpha, src2, (1.0 - alpha), 0, ret);
		//add(src1, src2, dst, Mat());
		//multiply(src1, src2, dst, 1.0);
		namedWindow("ret", CV_WINDOW_AUTOSIZE);
		imshow("ret", ret);
	}
	else
	{
		cout << "Images vary in size or type!" << endl;
		return -1;
	}

	waitKey(0);
	return 0;
}

这是两张图片各占50%的权重合成的图像：

mark

对比度和亮度调整

图像亮度本质上图像中每个像素的亮度，每个像素的亮度本质上RGB值的大小，RGB值为0，则像素点为黑色，RGB都为255时像素点最亮，为白色。对比度则是不同像素点之间的差值，差值越大，对比度越明显。
图像变换可以看作如下：

  • 像素变换 – 点操作
  • 邻域操作 – 区域

mark

调整图像亮度和对比度属于像素变换-点操作，搞清楚原理下面开始撸代码:

代码

#include <iostream>
#include <opencv2\opencv.hpp>

using namespace cv;
using namespace std;

int main(int argc, char **argv)
{

	Mat src = imread("C:\\Users\\Tim\\Desktop\\Image\\a.jpg");
	Mat dst;
	if (src.empty())
	{
		cout << "load image filed..." << endl;
		return -1;
	}
	char *input_win = "input_win";
	namedWindow(input_win, CV_WINDOW_AUTOSIZE);
	imshow("input_win", src);

	int height = src.rows;
	int wight = src.cols;

	//构建与src同等大小的空白图
	dst = Mat::zeros(src.size(), src.type());

	//差异倍数
	float alpha = 0.4f;
	//增益变量
	float beta = 0.0f;

	for (int row = 0; row < height; row++) {
		for (int col = 0; col < wight; col++) {
			//根据通道数目来判断处理方式
			if (src.channels() == 3){
				float b = src.at<Vec3b>(row, col)[0];
				float g = src.at<Vec3b>(row, col)[1];
				float r = src.at<Vec3b>(row, col)[2];

				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);
			}
		}
	}

	//输出图像
	char *output_win = "output_win";
	namedWindow(output_win, CV_WINDOW_AUTOSIZE);
	imshow(output_win, dst);

	waitKey(0);
	return 0;
}

从代码中可以看出：如果将值乘上差异倍数，那么像素点之间的差异倍数(alpha)越大，像素点之间的差异也就越大，这样导致的直接结果就是图像的对比度增强，增益变量越大，那么像素本身的值在增大，导致的结果就是亮度增强

演示效果

mark

重要的API

  • Mat new_image = Mat::zeros(image.size(), image.type()); 创建一张跟原图像大小和类型一致的空白图像、像素值初始化为0
  • saturate_cast(value)确保值大小范围为0~255之间
  • Mat.at(y,x)[index]=value给每个像素点每个通道赋值
赏

谢谢你请我喝咖啡

支付宝
微信
「已注销」
关注
  • 1
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
图像处理（1）——对比度和亮度调整
10-24
>设计一个Sigmoid函数，实现对图像的对比度调整； >使用opencv窗口系统的slider控件，交互改变Sigmoid函数的参数，实现不同程度的对比度调整；
【图像处理】图像强度变换、直方图均衡化（Image Intensity Transformations and Histogram Equalization）
笔尖的博客
01-14 1万+
实验要求  该实验使用强度变换方法对图像进行增强。实验图像为图3.8(a)  (1.a) 用公式(3.2-2)所示的对数变换方法进行图像增强。  (1.b) 用公式(3.2-3)形式的指数变换方法进行图像增强。实验的目的是用(1.a)和(1.b)中的方法获得最好的可视化增强效果。根据你自己的判断调整参数，对每一个变换获得最好的可视化结果，并解释结果图像之间产生差异的主要原因。
借用gamma校正的方法来调整图片（灰度）亮度（解决侧光问题）并将其再次保存为RGB图片
qq_35044509的博客
12-04 8154
借用gamma校正的方法来调整图片（灰度）亮度（解决侧光问题）并将其再次保存为RGB图片
opencv学习笔记四（读写像素）
qq_44870829的博客
07-01 420
操作图像像素图像操作读写图像读写像素修改像素值Vec3b与Vec3F 图像操作 读写图像 imread 可以指定加载为灰度或者RGB图像 Imwrite 保存图像文件，类型由扩展名决定 读写像素 读一个GRAY像素点的像素值（CV_8UC1） Scalar intensity = img.at(y, x); 或者 Scalar intensity = img.at(Point(x, y)); 读一个RGB像素点的像素值 Vec3f intensity = img.at(y, x); float
opencv笔记（二十五）——对于.at<uchar>(j, i) 和.at<uchar>(Point(j, i)) 的区别
qq_37764129的博客
08-31 4274
srcImage.at&lt;uchar&gt;(j, i) //表示的是 j 行 i 列 的这个像素 srcImage.at&lt;uchar&gt;(Point(j, i)) //表示的是 坐标（j,i）的像素 为了我下面的图方便说明 j 换成 x , i 换成 y 。也就是说： srcImage.at&lt;uchar&gt;(x, y) //表示的是 x 行 y 列 的这个像素 ...
调整图片亮度和对比度脚本
07-16
调整图片亮度和对比度脚本：可以方便对一个图片进行亮度和对比度调整
opencv调整图像亮度对比度的示例代码
09-18
本文通过实例代码给大家介绍了opencv调整图像亮度对比度,代码简单易懂，非常不错，具有一定的参考借鉴价值，需要的朋友可以参考下
opengl 实现 Photoshop 亮度 对比度 调节功能
06-29
opengl 亮度 对比度 调节功能 ，VirtualStudio2019的工程。环境完整，可直接运行。利用opengl 实现 Photoshop 亮度 对比度 调节功能。
opengl 图像处理 亮度 对比度
08-10
把代码拷贝到http://transitions.glsl.io/transition/new，既可运行查看效果，验证有效
图像灰度转换，灰度降低70%，调整对比亮度
LiuSong的博客
03-31 6768
（2）图像灰度变换。读入lena_gray.tif文件，对其灰度进行下列调整，并显示图像； 将图像的灰度降低70%，同屏显示原图和灰度调整后的图像；将灰度加上一个值（如50），使图像变亮，编程，同屏显示原图像和灰度调整后图像。 知识点一：Mat dst dst = Mat::zeros(src1.size(),src1.type()); 创建一张与原图像src1大小类型一样的空白图像，像素值初...
对比度及亮度调节
03-11
利用OpenCV开发的对于照片亮度及对比度的调节
图像处理-RGB域图像对比度增强方法(python)
qq_43252507的博客
05-15 2235
对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，差异范围越大代表对比越大，差异范围越小代表对比越小。
OpenCV像素值读写之at()函数
热门推荐
Young_Fan
08-20 2万+
图像处理中很多时候会对像素点进行操作。在OpenCV有许多方法来对像素进行遍历。 at()函数 对于单通道图像"picture1"，picture1.at<uchar>(i,j)就表示在第i行第j列的像素值。 对于多通道图像如RGB图像"picture2"，可以用picture2.at<Vec3b>(i,j)[c]来表示某个通道中在(i,j)位置的像素值。 1）上面...
OpenCV笔记4-图像操作
CC_monster的博客
01-26 309
1 读写图像 imread：可以指定加载为灰度或者RGB图像 imwrite：保存图像文件，类型由扩展名决定 2 读写像素 at(int y, int x)方法 y表示行号、x表示列号。at是一个模板方法，使用时需要指定返回值的预期类型，如image.at&amp;lt;uchar&amp;gt;(j, i) = 255; 读一个GRAY像素点的像素值（CV_8UC1） //方法1 Scalar inte...
opencv图像处理教程（3）——图像像素值操作
qq_38236355的博客
04-09 1771
一、读写图像 imread 可以指定加载为灰度或者RGB图像 Imwrite 保存图像文件，类型由扩展名决定 具体内容参照以前的博客：https://blog.csdn.net/qq_38236355/article/details/88969483 二、读写像素 读一个GRAY像素点（单通道）的像素值（CV_8UC1）： Scalar intensity = img.at<uchar&gt...
亮度、饱和度、对比度、灰度 & RGB&HSV
suixinger_lmh的随笔
06-16 5601
unity颜色相关
数字图像处理-对比度调整&背景相减
qq_48034566的博客
09-25 711
IP实验2-对比度&背景相减
OpenCV滑动条的使用详解
liumangmao1314的博客
02-28 8094
OpenCV滑动条使用滑动条在OpenCV是动态调节参数的一种特别好用的工具。比如边缘检测，阈值化，对比度和亮度调节等。它是在规定窗口显示，并调节参数控制显示图像。OpenCV中滑动条使用步骤滑动条还是很简单的，以Canny()调节阈值算法为例了。1、创建窗口用namedWindow()函数创建窗口。如：namedWindow(“边缘检测”,WINDOW_AUTOSIZE);2、创建滑动条creat
图像处理之调整亮度与对比度
weixin_34191845的博客
03-22 1884
图像处理之调整亮度与对比度 很多时候，一张图像被过度曝光显得很白，或者光线不足显得很暗，有时候背景跟图像人物 也观察不清楚，这个时候可以通过调节图像的两个基本属性-亮度与对比度来获得整体效果 的提升，从而得到质量更高的图片。 基本原理： 图像亮度本质上图像中每个像素的亮度，每个像素的亮度本质上RGB值的大小，RGB值为0 是像素点为黑色，RGB都为25...
图像亮度对比度伽马值的调整
最新发布
07-14
2. 对比度调整：通过增加或减少图像中相邻像素之间的亮度差异来改变图像的对比度。增加对比度可以让图像中的细节更加突出，而减少对比度会使图像变得更加平坦。 3. 伽马值调整：伽马值是用于控制图像的亮度和对比度...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值