python opencv的函数cv2.LUT(src, lut, dst=None)的具体使用（LUT：查找表）

1 查看cv2.LUT(src, lut, dst=None)函数的使用

LUT是look-up table查找表的意思，cv2.LUT(src, lut, dst=None)的作用是对输入的src执行查找表lut转换

1.1 LUT函数的python接口cv2.LUT()的参数说明

1、打印输出cv2.LUT()文档的使用

print(cv2.LUT.__doc__)

>>> print(cv2.LUT.__doc__)
LUT(src, lut[, dst]) -> dst
.   @brief Performs a look-up table transform of an array.
.   
.   The function LUT fills the output array with values from the look-up table. Indices of the entries
.   are taken from the input array. That is, the function processes each element of src as follows:
.   \f[\texttt{dst} (I)  \leftarrow \texttt{lut(src(I) + d)}\f]
.   where
.   \f[d =  \fork{0}{if \(\texttt{src}\) has depth \(\texttt{CV_8U}\)}{128}{if \(\texttt{src}\) has depth \(\texttt{CV_8S}\)}\f]
.   @param src input array of 8-bit elements.
.   @param lut look-up table of 256 elements; in case of multi-channel input array, the table should
.   either have a single channel (in this case the same table is used for all channels) or the same
.   number of channels as in the input array.
.   @param dst output array of the same size and number of channels as src, and the same depth as lut.
.   @sa  convertScaleAbs, Mat::convertTo
>>> 

2、 cv2.LUT(src, lut, dst=None)参数说明

cv2. LUT(src, lut, dst=None)有三个参数，分别为：

• src：输入数据array，类型为8位整型（np.uin8)
• lut：查找表，如果输入src是多通道的，例如是BGR三通到的图像，而查表是单通道的，则此时B、G、R三个通道使用的是同一个查找表
• dst=None：输出数组，大小和通道数与src相同，而深度depth与lut相同

函数LUT用查找表中的值填充输出数组，LUT函数对src中的每个元素的处理如下：

$$\text{dst}(I)\leftarrow \text{lut(src(I) + d)}$$

其中d的取值为：

$$d=\{\begin{array}{ll}0& \text{if src has depth }\text{CV\_8U}\\ 128& \text{if src has depth }\text{CV\_8S}\end{array}$$

CV_8U和CV_8S的含义（数据类型的宏定义）：

• CV_8U：8位无符号整数，取值范围(0,255)
• CV_8S ：8位有符号整数，取值范围(-128,127)

1.2 LUT函数在C++中的定义

void cv::LUT定义在core/src/lut.cpp，源码是C++的代码，我看不太懂，感兴趣的可以自己去阅读

2 cv2. LUT(src, lut, dst=None)实例

2.1 使用cv.LUT增加亮度

__Author__ = "Shliang"
__Email__ = "shliang0603@gmail.com"

import numpy as np
import cv2

def adjust_brightness(img_path, brightness_factor):

    img = cv2.imread(img_path)

    # clip(0, 255)会把处理后的像素值的大小，现在在[0, 255]范围内，如果有值大于255则取255,如果有值小于0则取值0
    table = np.array([i * brightness_factor for i in range (0,256)]).clip(0,255).astype('uint8')

    # 单通道img
    if img.shape[2] == 1:
        return cv2.LUT(img, table)[:,:,np.newaxis]
    # 多通道img
    else:
        result = cv2.LUT(img, table)
        # 左边原图、右边增加亮度后的图
        imgs_hstack = np.hstack((img, result))
        cv2.imwrite("adjust_brightness_result.png", imgs_hstack)
        cv2.imshow("result", imgs_hstack)
        cv2.waitKey(0)
        return result


if __name__ == '__main__':
    adjust_brightness("./img.png", brightness_factor=1.5)

下面是结果：左边是原图，右边是增加亮度后的图

2.2 正常增加亮度

• alpha=1：图片的对比度不发生变化

• alpah>1：时对比度增强，图像看起来更加清晰；

• alpah<1：时对比度减弱，图像看起来变模糊；

• beta>0：值越大，图像的亮度增加的越强烈

import numpy as np
import cv2


# 参考： https://blog.csdn.net/qq_33840601/article/details/90400375
def Contrast_and_Brightness(alpha, beta, img_path):
    img = cv2.imread(img_path)
    blank = np.zeros(img.shape, img.dtype)
    #
    # dst = alpha * img + (1-alpha) * blank + beta
    dst = cv2.addWeighted(img, alpha, blank, 1 - alpha, beta)
    imgs_hstack = np.hstack((img, dst))
    while True:
        cv2.imwrite("add_brightness_result.png", imgs_hstack)
        cv2.imshow("result", imgs_hstack)
        if cv2.waitKey(1) == ord("q"):
            break
    cv2.destroyAllWindows()

    return dst


if __name__ == '__main__':
    Contrast_and_Brightness(1, 100, "./img.png")

这种方式是把图片中的每个像素值都加上beta，因此，图片也是均匀的增加亮度，就像蒙上一层膜一样

参考：https://blog.csdn.net/Dontla/article/details/103963085
参考 # opencv官方文档对LUT API的解释
参考：https://vimsky.com/examples/detail/python-attribute-cv2.LUT.html # LUT的使用案例

欢迎大家关注笔者，你的关注是我持续更博的最大动力

原创文章，转载告知，盗版必究
微信：suihailiang0816 QQ：931762054 wx公众号：仰望星空的小随