python图像对比度增强图片清晰度_图像亮度对比度调整(python代码,十行搞定)...

最近在做人脸特征点检测,这里是数据库中的一些图片

会发现图片的亮度差别很大,所以这里想统一一下亮度。

引用了别人的一个算法。

算法流程:

调整图像亮度与对比度算法主要由以下几个步骤组成:

1.      计算图像的RGB像素均值– M

2.      对图像的每个像素点Remove平均值-M

3.      对去掉平均值以后的像素点 P乘以对比度系数

4.      对步骤上处理以后的像素P加上 M乘以亮度系统

5.      对像素点RGB值完成重新赋值 下面开始写代码:

import os

import numpy as np

import cv2

if __name__ == '__main__':

img = cv2.imread('568.Bmp',0)

img = np.array(img)

mean = np.mean(img)

img = img - mean

img = img*1.5 + mean*0.7 #修对比度和亮度

img = img/255. #非常关键,没有会白屏

cv2.imshow('pic',img)

cv2.waitKey()

这里是几幅图片的输出结果,只需要修改上面代码中的1.5和0.7这两个参数就可以修改对比度和亮度。

然后再特别提醒下 img = img/25

  • 4
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
增强图像对比度是一种常用的图像处理技术,可以使图像中的色彩更加鲜明,细节更加清晰。在使用Python进行图像处理时,可以通过以下几种方法实现图像对比度增强。 1. 线性换: 线性换是最常用的图像对比度增强方法之一。通过像素值的线性换,可以将图像像素的灰度范围线性映射到期望的范围。例如,可以使用以下公式进行线性换: new_pixel = a * old_pixel + b 其中,a和b是可以调整的参数,通过调整这两个参数的值,可以实现不同程度的对比度增强。 2. 直方图均衡化: 直方图均衡化是一种广泛使用的图像增强方法,可以自适应地提高图像对比度。通过对图像的直方图进行处理,将原本分布不均匀的像素值映射到更均匀的分布,从而增强图像对比度。在Python中,可以使用OpenCV库的equalizeHist函数实现直方图均衡化。 3. 自适应直方图均衡化: 自适应直方图均衡化是一种改进的直方图均衡化方法,可以在同时增强对比度的同时避免图像细节损失。在该方法中,将图像分割成多个小区域,在每个小区域内进行直方图均衡化。这样可以避免亮度过度调整,并且能够保留图像的细节。在Python中,可以使用skimage库的equalize_adapthist函数实现自适应直方图均衡化。 总之,增强图像对比度图像处理中一项重要的任务。通过线性换、直方图均衡化和自适应直方图均衡化等方法,可以在Python中实现图像对比度增强

“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

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
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