6. 调整图像亮度和对比度（OpenCV基础课程视频学习）

课程视频链接：https://www.bilibili.com/video/av29600072?p=7

内容

• 理论知识
• 代码

1. 理论知识

图像变换可以看作如下两种：

• 像素变换 —— 点操作，例如：
• 邻域操作 —— 区域，例如：卷积、特征提取、梯度计算、模式匹配识别、角点检测、模糊、平滑等

调整图像的亮度和对比度属于像素变换 —— 点操作

公式：

g(i,j) = \alpha * f(i,j) + \beta

其中 α>0，β 是增益变量。

BGR 图像的像素值在 0~255 之间，0 代表黑色，255 代表白色，所以像素值越大，亮度越高，所以设置了增益变量 β。

α 用于提高对比度，图像中的像素值会随着差值的拉大而对比度增强。

注意：OpenCV 是基于 BGR 图像的，所以图像的每一个像素值都在 0~255 的范围之内。但是其他格式的图像，比如有的时候打开一幅 .tiff 格式的图像，它的像素值有可能是负数。

2. 重要的 API

1. 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。
2. saturate_cast(value);
   确保像素值在 0~255 之间。
3. Mat.at(y,x)[index] = value;
   给每个像素点每个通道赋值。

3. 完整代码

#include <opencv.hpp>

#include <iostream>

#define alpha  1.5      // 调整图像对比度
#define beta  10        // 调整图像亮度

int main(int argc, char** argv)
{
	cv::Mat src = cv::imread(cv::samples::findFile("LBXX1.jpg"), cv::IMREAD_COLOR);

	char windowName[] = "Input image";
	cv::namedWindow(windowName, cv::WINDOW_AUTOSIZE);
	cv::imshow(windowName, src);

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

	cv::Mat dst = cv::Mat::zeros(src.size(), src.type());

	for (int irow = 0; irow < height; irow++)
	{
		for (int icol = 0; icol < width; icol++)
		{
			if (src.channels() == 3)
			{
				double b = src.at<cv::Vec3b>(irow, icol)[0];
				double g = src.at<cv::Vec3b>(irow, icol)[1];
				double r = src.at<cv::Vec3b>(irow, icol)[2];

				dst.at<cv::Vec3b>(irow, icol)[0] = cv::saturate_cast<uchar>(alpha * b + beta);
				dst.at<cv::Vec3b>(irow, icol)[1] = cv::saturate_cast<uchar>(alpha * g + beta);
				dst.at<cv::Vec3b>(irow, icol)[2] = cv::saturate_cast<uchar>(alpha * r + beta);
			}
			else if (src.channels() == 1)
			{
				double v = src.at<uchar>(irow, icol);
				dst.at<uchar>(irow, icol) = cv::saturate_cast<uchar>(alpha * v + beta);
			}
		}
	}

	cv::namedWindow("Output image", cv::WINDOW_AUTOSIZE);
	cv::imshow("Output image", dst);

	cv::waitKey(0);
	return 0;
}

3.1 alpha=1.5 & beta=10

结果

3.2 alpha=1.5 & beta=100

结果

3.2 alpha=5 & beta=10

结果

3.3 对比

3.3.1 alpha=1.5 之下，beta=10 VS beta=100

3.3.2 beta=10 之下，alpha=1.5 VS alpha=5