python直接在RGB调整饱和度,亮度,对比度

该代码实现了一个Python脚本,用于调整图像的饱和度、亮度和对比度,参考了BiSeNet项目。它使用numpy进行矩阵运算,并结合OpenCV读取和显示图像。用户可以通过命令行参数选择调整类型和强度。
摘要由CSDN通过智能技术生成
import numpy as np
import os, sys, glob, cv2

def adj_saturation(im, rate):
	M = np.float32([
            [1+2*rate, 1-rate, 1-rate],
            [1-rate, 1+2*rate, 1-rate],
            [1-rate,<
首先,你需要使用Python中的OpenCV库来读取和处理图像。然后,你需要将图像从RGB颜色空间转换为HSV颜色空间。接下来,你可以计算图像中每个像素的饱和度和明度/值的值,并将这些值绘制成直方图以可视化它们的分布范围。 下面是一个示例代码,它可以输出一张图像在HSV色彩空间中的对比度亮度的分布范围: ```python import cv2 import numpy as np import matplotlib.pyplot as plt # 读取图像 img = cv2.imread('image.jpg') # 将图像从RGB颜色空间转换为HSV颜色空间 hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 计算图像中每个像素的饱和度和明度/值的值 h, s, v = cv2.split(hsv_img) # 绘制饱和度和明度/值的直方图 fig, axs = plt.subplots(1, 2, figsize=(10, 5)) axs[0].hist(s.ravel(), bins=256, range=[0, 256]) axs[0].set_title('Saturation Distribution') axs[1].hist(v.ravel(), bins=256, range=[0, 256]) axs[1].set_title('Value Distribution') plt.show() ``` 在这个示例代码中,我们首先读取了一张名为“image.jpg”的图像。然后,我们使用`cv2.cvtColor()`函数将图像从BGR颜色空间转换为HSV颜色空间。接下来,我们使用`cv2.split()`函数计算了图像中每个像素的饱和度和明度/值的值,并使用Matplotlib库绘制了它们的直方图。最后,我们使用`plt.show()`函数显示了直方图。 这个示例代码可以让你了解图像在HSV色彩空间中的对比度亮度的分布范围,你可以将其用于图像处理和计算机视觉中的任务。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

刀么克瑟拉莫

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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