C++实现图像饱和度调整算法详解-CSDN博客

本文链接：https://blog.csdn.net/zhaitianbao/article/details/120095935

作者：翟天保Steven
版权声明：著作权归作者所有，商业转载请联系作者获得授权，非商业转载请注明出处

实现原理

图像饱和度是指图像色彩的纯洁性，色彩的鲜艳程度，它是影响色彩最终效果的重要属性之一。饱和度也被称为图片色彩纯度，即色彩中彩色成分和消色成分的占比，这个比例决定了色彩的饱和度及鲜艳程度。当色彩中彩色成分多时，其色彩就呈现饱和（色觉强）、鲜明效果，给人的视觉印象会更强烈；反之，若消色成分多，色彩会显得暗淡，视觉效果也随之减弱。

饱和度调整算法的实现流程如下：

1.设置调整参数percent，取值为-100到100，类似PS中设置，归一化后为-1到1。

2.针对图像所有像素点单个处理。计算RGB三通道的最大值最小值，可进一步得到delta和value：

$\\delta=(Max-Min)/255 \\value=(Max+Min)/255$

3.若最大最小一致，即delta=0，则表明为灰点，不需继续操作，直接处理下个像素。

4.通过value计算出HSL中的L值:

$L=(Max-Min)/(2*255)$

5.S值为:

$\left\{\begin{matrix} S=delta/value,L<0.5\\ S=delta/(2-value),L\geqslant 0.5 \end{matrix}\right.$

6.当percent大于等于0时，即提高色彩饱和度，那么alpha值为：

$\left\{\begin{matrix} alpha=S,percent+S\geqslant 1\\ alpha=1-percent,else \end{matrix}\right.$

此时，调整后的图像RGB三通道值为：

$RGB=RGB+(RGB-L*255)*alpha$

7.若percent小于0时，即降低色彩饱和度，则alpha=percent，此时调整后的图像RGB三通道值为：

$RGB=L*255+(RGB-L*255)*(1+alpha)$

至此，图像实现了饱和度的调整，算法逻辑参考xingyanxiao。C++实现代码如下。

功能函数代码

// 饱和度
cv::Mat Saturation(cv::Mat src, int percent)
{
	float Increment = percent* 1.0f / 100;
	cv::Mat temp = src.clone();
	int row = src.rows;
	int col = src.cols;
	for (int i = 0; i < row; ++i)
	{
		uchar *t = temp.ptr<uchar>(i);
		uchar *s = src.ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			uchar b = s[3 * j];
			uchar g = s[3 * j + 1];
			uchar r = s[3 * j + 2];
			float max = max3(r, g, b);
			float min = min3(r, g, b);
			float delta, value;
			float L, S, alpha;
			delta = (max - min) / 255;
			if (delta == 0)
				continue;
			value = (max + min) / 255;
			L = value / 2;
			if (L < 0.5)
				S = delta / value;
			else
				S = delta / (2 - value);
			if (Increment >= 0)
			{
				if ((Increment + S) >= 1)
					alpha = S;
				else
					alpha = 1 - Increment;
				alpha = 1 / alpha - 1;
				t[3 * j + 2] =static_cast<uchar>( r + (r - L * 255) * alpha);
				t[3 * j + 1] = static_cast<uchar>(g + (g - L * 255) * alpha);
				t[3 * j] = static_cast<uchar>(b + (b - L * 255) * alpha);
			}
			else
			{
				alpha = Increment;
				t[3 * j + 2] = static_cast<uchar>(L * 255 + (r - L * 255) * (1 + alpha));
				t[3 * j + 1] = static_cast<uchar>(L * 255 + (g - L * 255) * (1 + alpha));
				t[3 * j] = static_cast<uchar>(L * 255 + (b - L * 255) * (1 + alpha));
			}
		}
	}
	return temp;
}

C++测试代码

#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

#define max2(a,b) (a>b?a:b)
#define max3(a,b,c) (a>b?max2(a,c):max2(b,c))
#define min2(a,b) (a<b?a:b)
#define min3(a,b,c) (a<b?min2(a,c):min2(b,c))

cv::Mat Saturation(cv::Mat src, int value);

int main()
{
	cv::Mat src = imread("House.jpg");
	cv::Mat result = Saturation(src, 100);
	imshow("original", src);
	imshow("result", result);
	waitKey(0);
	return 0;
}

// 饱和度
cv::Mat Saturation(cv::Mat src, int percent)
{
	float Increment = percent* 1.0f / 100;
	cv::Mat temp = src.clone();
	int row = src.rows;
	int col = src.cols;
	for (int i = 0; i < row; ++i)
	{
		uchar *t = temp.ptr<uchar>(i);
		uchar *s = src.ptr<uchar>(i);
		for (int j = 0; j < col; ++j)
		{
			uchar b = s[3 * j];
			uchar g = s[3 * j + 1];
			uchar r = s[3 * j + 2];
			float max = max3(r, g, b);
			float min = min3(r, g, b);
			float delta, value;
			float L, S, alpha;
			delta = (max - min) / 255;
			if (delta == 0)
				continue;
			value = (max + min) / 255;
			L = value / 2;
			if (L < 0.5)
				S = delta / value;
			else
				S = delta / (2 - value);
			if (Increment >= 0)
			{
				if ((Increment + S) >= 1)
					alpha = S;
				else
					alpha = 1 - Increment;
				alpha = 1 / alpha - 1;
				t[3 * j + 2] =static_cast<uchar>( r + (r - L * 255) * alpha);
				t[3 * j + 1] = static_cast<uchar>(g + (g - L * 255) * alpha);
				t[3 * j] = static_cast<uchar>(b + (b - L * 255) * alpha);
			}
			else
			{
				alpha = Increment;
				t[3 * j + 2] = static_cast<uchar>(L * 255 + (r - L * 255) * (1 + alpha));
				t[3 * j + 1] = static_cast<uchar>(L * 255 + (g - L * 255) * (1 + alpha));
				t[3 * j] = static_cast<uchar>(L * 255 + (b - L * 255) * (1 + alpha));
			}
		}
	}
	return temp;
}