目标

在本教程中, 你将学习到以下内容:

访问像素值;

用零初始化矩阵;

学习CV :: saturate_cast的作用及其有用的原因;

学习有关像素变换的很酷的知识;

提高图像亮度的实例。

理论

注

下述解释援引自理查德·斯泽利斯基(Richard Szeliski)的<<计算机视觉算法和应用>>一书。 

图像处理

常用的图像处理操作是一个函数，它将一个或多个图像作为输入并生成输出图像。

图像变可被视为：

点运算符（像素变换）;

邻近（基于区域的）运算符。

像素变换

在图像处理中, 每个输出像素的值仅取决于相应的输入像素值（可能还包括一些全局收集的信息或参数）;

此类操作实例包括亮度调整、对比度调整以及颜色的校正和转换。

亮度和对比度调整

两种常用对比度调整的方法是将像素值乘以或加上一个常数：

参数α > 0和β通常称为增益参数和偏置参数,通过这两个参数分别来控制对比度和亮度。

F （ X ）为源图像的像素,G （ X ）为输出图像的像素。可以方便地写出以下表达式：

其中i和j表示位于第i行，第j列的像素。

代码

C ++  

（Java 版本请访问：

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

Python 版本请访问：

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

原文可下载源代码（地址在文末）

下面的代码执行g(i,j)=α⋅f(i,j)+β操作

代码详解

C ++  

使用CV :: imread加载图像并将其保存到Mat对象中：

接下来，对该图像做一些转换，为此需要创建一个新的Mat对象来存放它。此外，我们希望它具备以下特征：

初始像素值为零;

与原始图像相同的尺寸和数据类型。

cv::Mat::zeros返回一个基于image.size()和image.type() 的Matlab格式的零初始化值。

我们现在要求用户输入α和β值：

为了执行g(i,j)=α⋅f(i,j)+β操作，我们必须访问图像的每个像素。由于是对BGR图像进行操作，所以每个像素包含（B，G和R）三个值，我们必须分别访问它们。具体代码如下：

注意（只适用于C ++代码）：

我们利用 image.at<Vec3b>(y,x)[c]来访问图像的各个像素，其中ÿ是行号， X是列号，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为非整数（如α是浮点数），我们用CV :: saturate_cast来确保该值的有效性；

最后，我们用以下方式创建窗口并显示图像。

注

我们利用以下简单的命令来取代for循环来访问图像的每个像素：

cv::Mat::convertTo将执行*new_image = a*image + beta*操作.。但是，我们想向你展示如何访问每个像素。在任何情况下，这两种方法都给出相同的结果，但 convertTo 更加优化并且工作速度更快。

结果

我们不运行代码，设置α = 2.2和β = 50。

实例

在本小节中，我们将以前学到的技巧付诸实战，通过调整图像的亮度和对比度来校正曝光不足的图片。同时,学习利用伽玛校正(gamma correction)技术来校正图像的亮度。

图像亮度和对比度调整

增大（或减小） β值将加大（/减小）各个像素的对比度。像素值超出 [0; 255]范围之外的值将会饱和（即:大于255,或小于0的像素值将钳位到255或 0）。

原始图像的浅灰色直方图中，深灰色亮度= 80 GIMP

直方图表示该色彩像素中每种色彩的数目。深色图像的像素值将大于浅色图像的像素值，因此直方图的左半部分会出现一个峰值。当添加一个恒定的偏差之后，整个直方图右移，为所有的像素增加了一个恒定的偏置。

修改参数α将修改水平轴的展幅,如果α <1中，色彩值将被压缩，其结果是图像的对比度降低。

原图像的浅灰色直方图中，深灰色时, 对比度GIMP <0

注意，利用对比度/亮度工具Gimp获得的上述柱状图，亮度工具的偏置参数β应该与之相同，但对比度工具的增益参数α是不同的（可以从前面的直方图中看出）。

调整偏置参数β可以提高亮度，但同时，图像的对比度会下降,图像上似乎会蒙上一层轻微的面纱。调整增益α增益可缓释这种效果，但是由于出现饱和，图像将失去原有明亮区域的一些细节。

伽瑪校正

伽瑪校正利用输入值和输出映射值之间的非线性变换，校正图像的亮度：

由于这种关系是非线性的，其效果不会影响所有的像素，最终输出将取决于像素的原始值。

打印出不同的伽玛值(gamma)

当γ <1时,，原始图像的暗区将变得更加明亮，整个直方图将右移;当γ > 1时, 原始图像的亮区将变得更暗，整个直方图将左移。

纠正曝光不足的图像

我们设置α = 1.3和β = 40修正下面的图像。

图: Visem的作品 [CC BY-SA 3.0]，来源:维基共享资源

图像的整体亮度得到了改善，但可以看出: 由于色彩的像素数值饱和，图中云彩已经饱和（摄影高光修剪）。

我们用γ=0.4修正下面的图像。

图: Visem的作品 [CC BY-SA 3.0]，来源:维基共享资源

由于映射是非线性的，伽马校正添加了少量的饱和效应，并且不存在前面所述方法的数值饱问题。

左边：α，β校正后的直方图;中间：原始图像的直方图;右边：伽马校正后的直方图

上图比较了三幅图像（三个直方图的y值不相同）的直方图。从中可以发现，大部分的像素值都在原始图像直方图的下部。α ， β修正后，由于图像出现饱和，在255 处可以观察到一个峰值，整个直方图右移。伽玛校正后，直方图右移，图像暗区域中的像素移动的位移比在明亮区域像素移动的位移更大（见伽玛曲线图）。

在本教程中，描述了两种调整图像对比度和亮度简单的方法。它们只是基本技术，不能用作光栅图形编辑器的替代品！

代码

C ++  

教程的源代码请访问原文（地址在文末）

伽马校正的源代码Code:

在这里，由于一次只需要计算256 个数值，利用查找表来提高计算性能。

更多资源

图形渲染中的伽玛校正

CRT监视器的伽玛校正和图像显示

数字曝光技术

注：本文以C++语言代码为例，获取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

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。