python-opencv图像的对比度和亮度

调整图像的对比度和亮度

Contrastimg = cv.addWeighted(img,1.5,img2,2,0)   # 调整对比度
brightness = cv.addWeighted(img,1,img2,2,40)     # 调整亮度

首先介绍一下cv.addWeighted()
函数共5个输入,分别是(图像1,alpha ,图像2,beta,gamma)
(1) d s t = i m g 1 × α + i m g 2 × β + γ dst = img1\times\alpha+img2\times\beta+\gamma\tag1 dst=img1×α+img2×β+γ(1)
也就是说输出dst是两张图像的线性组合加上一个系数 γ \gamma γ。其中 α \alpha α β \beta β γ \gamma γ三个参数都是自己定义的。
本文中,我们把图像img2定义为与图像img同样规格的全黑图片(像素全为0)。这样我们改变 α \alpha α的值就相当于调整图像img的对比度和亮度了。
在这里插入图片描述

思考

1、如果img2不是黑色的图像,两张不同的图像合在一起效果会如何?
2、如果 α \alpha α β \beta β都是小于1大于0的数,是不是相当于两张图片的透明度?

代码

https://github.com/Clayygou/python-opencv/tree/master/Contrast_and_brightness

参考文献

同上

  • 0
    点赞
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python-opencv品质检测算法可以分为两类:基于图像处理技术和基于机器学习技术。 1. 基于图像处理技术的品质检测算法: (1) 图像去噪算法: 例如高斯滤波、中值滤波、双边滤波等,可以去除图像中的噪声。 (2) 图像增强算法: 例如直方图均衡化、自适应直方图均衡化、拉普拉斯算子增强等,可以增强图像亮度对比度。 (3) 边缘检测算法: 例如Sobel算子、Canny算子等,可以检测图像中的边缘。 (4) 形态学处理算法: 例如膨胀、腐蚀、开运算、闭运算等,可以去除图像中的小噪点和孔洞。 (5) 特征提取算法: 例如颜色直方图、纹理特征、形状特征等,可以提取图像的特征信息。 2. 基于机器学习技术的品质检测算法: (1) 支持向量机(SVM)算法: SVM算法可以通过训练数据集,学习到一种分类模型,用于分类任务。 (2) 决策树算法: 决策树算法可以通过训练数据集,学习到一种分类模型,用于分类任务。 (3) 随机森林算法: 随机森林算法是一种集成学习算法,它可以通过多个决策树模型的投票来进行分类任务。 (4) 深度学习算法: 深度学习算法可以通过深度神经网络模型,学习到一种分类模型,用于分类任务。 以上是常用的python-opencv品质检测算法,您可以根据具体需求选择合适的算法进行实现。如果您还有其他问题,请随时向我提问。
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