獨家｜OpenCV 1.6 改變圖像的對比度和亮度！

目標

在本教程中, 你將學習到以下內(nèi)容:

訪問像素值;

用零初始化矩陣;

學習CV :: saturate_cast的作用及其有用的原因;

學習有關像素變換的很酷的知識;

提高圖像亮度的實例。

理論

注

下述解釋援引自理查德·斯?jié)衫够?Richard Szeliski)的<<計算機視覺算法和應用>>一書。 

圖像處理

常用的圖像處理操作是一個函數(shù)，它將一個或多個圖像作為輸入并生成輸出圖像。

圖像變可被視為：

點運算符（像素變換）;

鄰近（基于區(qū)域的）運算符。

像素變換

在圖像處理中, 每個輸出像素的值僅取決于相應的輸入像素值（可能還包括一些全局收集的信息或參數(shù)）;

此類操作實例包括亮度調(diào)整、對比度調(diào)整以及顏色的校正和轉(zhuǎn)換。

亮度和對比度調(diào)整

兩種常用對比度調(diào)整的方法是將像素值乘以或加上一個常數(shù)：

參數(shù)α > 0和β通常稱為增益參數(shù)和偏置參數(shù),通過這兩個參數(shù)分別來控制對比度和亮度。

F （ X ）為源圖像的像素,G （ X ）為輸出圖像的像素。可以方便地寫出以下表達式：

其中i和j表示位于第i行，第j列的像素。

代碼

C ++  

（Java 版本請訪問：

https://github.com/opencv/opencv/blob/master/samples/java/tutorial_code/ImgProc/changing_contrast_brightness_image/BasicLinearTransformsDemo.java

Python 版本請訪問：

https://github.com/opencv/opencv/blob/master/samples/python/tutorial_code/imgProc/changing_contrast_brightness_image/BasicLinearTransforms.py）

原文可下載源代碼（地址在文末）

下面的代碼執(zhí)行g(i,j)=α?f(i,j)+β操作

代碼詳解

C ++  

使用CV :: imread加載圖像并將其保存到Mat對象中：

接下來，對該圖像做一些轉(zhuǎn)換，為此需要創(chuàng)建一個新的Mat對象來存放它。此外，我們希望它具備以下特征：

初始像素值為零;

與原始圖像相同的尺寸和數(shù)據(jù)類型。

cv::Mat::zeros返回一個基于image.size()和image.type() 的Matlab格式的零初始化值。

我們現(xiàn)在要求用戶輸入α和β值：

為了執(zhí)行g(i,j)=α?f(i,j)+β操作，我們必須訪問圖像的每個像素。由于是對BGR圖像進行操作，所以每個像素包含（B，G和R）三個值，我們必須分別訪問它們。具體代碼如下：

注意（只適用于C ++代碼）：

我們利用 image.at<Vec3b>(y,x)[c]來訪問圖像的各個像素，其中?是行號， X是列號，C是B，G或R（0，1或2）；

由于α?p(i,j)+β 操作的值可能溢出或為非整數(shù)（如α是浮點數(shù)），我們用CV :: saturate_cast來確保該值的有效性；

最后，我們用以下方式創(chuàng)建窗口并顯示圖像。

注

我們利用以下簡單的命令來取代for循環(huán)來訪問圖像的每個像素：

cv::Mat::convertTo將執(zhí)行*new_image = a*image + beta*操作.。但是，我們想向你展示如何訪問每個像素。在任何情況下，這兩種方法都給出相同的結果，但 convertTo 更加優(yōu)化并且工作速度更快。

結果

我們不運行代碼，設置α = 2.2和β = 50。

實例

在本小節(jié)中，我們將以前學到的技巧付諸實戰(zhàn)，通過調(diào)整圖像的亮度和對比度來校正曝光不足的圖片。同時,學習利用伽瑪校正(gamma correction)技術來校正圖像的亮度。

圖像亮度和對比度調(diào)整

增大（或減小） β值將加大（/減?。└鱾€像素的對比度。像素值超出 [0; 255]范圍之外的值將會飽和（即:大于255,或小于0的像素值將鉗位到255或 0）。

原始圖像的淺灰色直方圖中，深灰色亮度= 80 GIMP

直方圖表示該色彩像素中每種色彩的數(shù)目。深色圖像的像素值將大于淺色圖像的像素值，因此直方圖的左半部分會出現(xiàn)一個峰值。當添加一個恒定的偏差之后，整個直方圖右移，為所有的像素增加了一個恒定的偏置。

修改參數(shù)α將修改水平軸的展幅,如果α <1中，色彩值將被壓縮，其結果是圖像的對比度降低。

原圖像的淺灰色直方圖中，深灰色時, 對比度GIMP <0

注意，利用對比度/亮度工具Gimp獲得的上述柱狀圖，亮度工具的偏置參數(shù)β應該與之相同，但對比度工具的增益參數(shù)α是不同的（可以從前面的直方圖中看出）。

調(diào)整偏置參數(shù)β可以提高亮度，但同時，圖像的對比度會下降,圖像上似乎會蒙上一層輕微的面紗。調(diào)整增益α增益可緩釋這種效果，但是由于出現(xiàn)飽和，圖像將失去原有明亮區(qū)域的一些細節(jié)。

伽瑪校正

伽瑪校正利用輸入值和輸出映射值之間的非線性變換，校正圖像的亮度：

由于這種關系是非線性的，其效果不會影響所有的像素，最終輸出將取決于像素的原始值。

打印出不同的伽瑪值(gamma)

當γ <1時,，原始圖像的暗區(qū)將變得更加明亮，整個直方圖將右移;當γ > 1時, 原始圖像的亮區(qū)將變得更暗，整個直方圖將左移。

糾正曝光不足的圖像

我們設置α = 1.3和β = 40修正下面的圖像。

圖: Visem的作品 [CC BY-SA 3.0]，來源:維基共享資源

圖像的整體亮度得到了改善，但可以看出: 由于色彩的像素數(shù)值飽和，圖中云彩已經(jīng)飽和（攝影高光修剪）。

我們用γ=0.4修正下面的圖像。

圖: Visem的作品 [CC BY-SA 3.0]，來源:維基共享資源

由于映射是非線性的，伽馬校正添加了少量的飽和效應，并且不存在前面所述方法的數(shù)值飽問題。

左邊：α，β校正后的直方圖;中間：原始圖像的直方圖;右邊：伽馬校正后的直方圖

上圖比較了三幅圖像（三個直方圖的y值不相同）的直方圖。從中可以發(fā)現(xiàn)，大部分的像素值都在原始圖像直方圖的下部。α ， β修正后，由于圖像出現(xiàn)飽和，在255 處可以觀察到一個峰值，整個直方圖右移。伽瑪校正后，直方圖右移，圖像暗區(qū)域中的像素移動的位移比在明亮區(qū)域像素移動的位移更大（見伽瑪曲線圖）。

在本教程中，描述了兩種調(diào)整圖像對比度和亮度簡單的方法。它們只是基本技術，不能用作光柵圖形編輯器的替代品！

代碼

C ++  

教程的源代碼請訪問原文（地址在文末）

伽馬校正的源代碼Code:

在這里，由于一次只需要計算256 個數(shù)值，利用查找表來提高計算性能。

更多資源

圖形渲染中的伽瑪校正

CRT監(jiān)視器的伽瑪校正和圖像顯示

數(shù)字曝光技術

注：本文以C++語言代碼為例，獲取Java和python版本可在原文中查看：

https://docs.opencv.org/4.5.2/d3/dc1/tutorial_basic_linear_transform.html