让你的照片更鲜艳------hsv拉伸

(信号灯四)使用HSV颜色空间将类红色区域二值化 构建代码 import numpy as np import collections #定义字典存放颜色分量上下限 #例如:{颜色: [min分量, max分量]} #{'red': [array([160, 43, 46]), array([179, 255, 255])]} """ 0是黑色 255是白色 mask = cv2.inRange(hsv, lower_red, upper_red) #lower20===>0,upper200==>0, 函数很简单,参数有三个 第一个参数 阅读详情

from:让你的照片更鲜艳------hsv拉伸

如果你的照片看上去灰蒙蒙的,缺少生机,那么hsv拉伸也许可以帮你的忙。hsv拉伸是一种可以提高图像鲜艳程度的图像增强方法,它能够让图像的颜色更加鲜活、艳丽,而且它的处理结果看上去很自然,比如源图中较暗的红色会变的鲜红,而不会像拉伸对比度那样把图像弄的难看失真,暗红色变的发紫发黑。

来个例子:

    

 

其基本原理如下:

1、 将源图像的(rgb)颜色空间映射到(hsv ),什么是HSV?

2、 对图像的s和v通道进行一次min-max normalize,h通道不变

所谓min-max normalize是指: dst(x,y) = [src(x,y) – min(src(x,y)) ] / [ (max(src(x,y)) – min(src(x,y)) ]

hsv拉伸处理后,图像不失真的关键因素就是h通道不变,即图像的色相与源图一致

3、 将新的(h s' v')映射回(rgb)

 

下面是gimp给出的源码(只贴出关键部分):

复制代码
 1 typedef struct {        //用来存放最大最小值的结构体
 2   double shi;
 3   double slo;
 4   double vhi;
 5   double vlo;
 6 } AutostretchData;        
 7 
 8 static void        //找到最大最小值
 9 find_max (guchar *src, gint bpp, AutostretchData *data)
10 {
11   double h, s, v;
12 
13   gimp_rgb_to_hsv4(src, &h, &s, &v);
14   if (s > data->shi) data->shi = s;
15   if (s < data->slo) data->slo = s;
16   if (v > data->vhi) data->vhi = v;
17   if (v < data->vlo) data->vlo = v;
18 }
19 
20 static void        //关键函数!
21 autostretch_hsv_func (guchar *src, guchar *dest, gint bpp,
22                       AutostretchData *data)
23 {
24   double h, s, v;
25 
26   gimp_rgb_to_hsv4(src, &h, &s, &v);
27   if (data->shi != data->slo)
28     s = (s - data->slo) / (data->shi - data->slo);        //关键语句
29   if (data->vhi != data->vlo)
30     v = (v - data->vlo) / (data->vhi - data->vlo);        //关键语句
31   gimp_hsv_to_rgb4(dest, h, s, v);
32 
33   if (bpp == 4)
34     dest[3] = src[3];
35 }
36 
37 static void
38 indexed_autostretch_hsv (gint32 image_ID)
39 {
40   guchar *cmap;
41   AutostretchData data = {0.0, 1.0, 0.0, 1.0};
42   gint ncols, i;
43 
44   cmap = gimp_image_get_colormap (image_ID, &ncols);
45 
46   if (!cmap)
47     {
48       g_message (_("autostretch_hsv: cmap was NULL!  Quitting...\n"));
49       gimp_quit ();
50     }
51 
52   for (i = 0; i < ncols; i++)
53     {
54       find_max (&cmap[i * 3], 3, &data);
55     }
56 
57   for (i = 0; i < ncols; i++)
58     {
59       autostretch_hsv_func (&cmap[i * 3], &cmap[i * 3], 3, &data);
60     }
61 
62   gimp_image_set_colormap (image_ID, cmap, ncols);
63 }
复制代码

 

Halcon图像处理实战:RGB与HSI/HSV互转及饱和度亮度优化技巧 本文深入探讨了Halcon中RGB与HSI/HSV色彩空间的互转原理与实战技巧。通过`trans_from_rgb`和`trans_to_rgb`算子实现高效转换,并重点解析了在HSI/HSV空间内独立优化饱和度与亮度的方法,如使用`equ_histo_image`均衡化饱和度通道,以及利用`scale_image`自适应调整亮度,从而提升图像处理效果与色彩表现力。 阅读详情

相关推荐

MATLAB高光谱图像可视化:从伪彩色到真彩色的实现技巧

本文详细介绍了在MATLAB中实现高光谱图像可视化的核心技巧,涵盖从基础的伪彩色与真彩色RGB合成到高级的图像增强方法。通过imshow函数、波段选择、数据归一化以及自适应直方图均衡化等步骤,帮助用户将多维数据转化为直观、信息丰富的彩色图像,有效支持遥感分析与地物识别。

weixin_28235513的博客 419

图像的HSV拉伸增强对比度

图像的HSV拉伸增强对比度

Jason Leaster | Rebuilding the tower of babel 5349

OpenCV直方图均衡化翻车实录:彩色图直接均衡化为什么效果差?正确姿势在这里

本文探讨了OpenCV直方图均衡化在彩色图像处理中的常见问题及解决方案。通过分析RGB空间直接均衡化导致的色彩失真,介绍了HSV空间处理和改进的CLAHE方法,帮助开发者正确应用直方图均衡化技术,提升图像处理效果。

weixin_42524100的博客 188

图像颜色增强算法Opencv

算法来源于GIMP中的Color-enhance插件,主要思路就是对HSV空间的V值进行重新量化。其代码是开源的,但用起来不太方便,所以我用Opencv重新改写了一下。 一、算法主要步骤: 1.图像转换到CMY空间,每个像素点(三通道,包含C、M、Y三个值)各减去最小值,即C -=min(C,M,Y),M -=min(C,M,Y),Y -=min(C,M,Y)。 2.1中得到的图像转换到HS

Mister5ive的专栏 1万+

OpenCV Gamma校正实战:原理、C++实现与图像增强应用

Gamma校正是一种基于幂律变换的非线性图像增强技术,其核心原理在于调整图像的亮度响应曲线,以校正设备线性响应与人眼非线性感知之间的差异。该技术通过参数γ控制对图像暗部或亮部对比度的拉伸与压缩,能有效提升图像细节的可见性,尤其在低照度或高动态范围场景下价值显著。在计算机视觉与图像处理工程实践中,Gamma校正常作为关键的预处理步骤,用于标准化图像对比度、增强特征,从而提升后续算法(如目标检测、OCR)的鲁棒性。本文结合C++与OpenCV,深入解析Gamma校正的实现细节,涵盖单通道与彩色图像处理、参数调优

ciqiaofu0192的博客 630

YOLOv8超参数解读(三):数据增强(hsv_h/s/v, degrees)调优全攻略,从原理到实战

本文深入剖析了YOLOv8模型中的数据增强技术,重点探讨了HSV色彩空间变换参数(hsv_h, hsv_s, hsv_v)的作用原理。文章首先通过类比教学方式,阐释了数据增强如何帮助模型从"死记硬背"转变为"融会贯通",提升泛化能力。随后详细对比了RGB与HSV色彩空间的差异,指出HSV在模拟光照变化方面的优势:它将颜色分解为色调(H)、饱和度(S)和明度(V)三个直观维度,使色彩变换更符合人类感知且易于控制。通过这种色彩空间转换,YOLOv8能够有效模拟各种光照条件

深耕 Vue 生态与 JS/TS 技术,聚焦组件封装、响应式原理、TS 类型设计,解析工程化配置与性能优化方案。同时分享 YOLOv8 目标检测实战、AI 大模型面试核心考点,以代码实例拆解技术实现与业务解法。 700

图像处理之HSV

HSV 为另一个颜色表示空间,RGB和CMY颜色模型都是面向硬件的,而HSV(Hue Saturation Value)颜色模型是面向用户的。 HSV模型的三维表示从RGB立方体演化而来。设想从RGB沿立方体对角线的白色顶点向黑色顶点观察,就可以看到立方体的六边形外形。六边形边界表示色彩,水平轴表示纯度,明度沿垂直轴测量。 OPENCV BGR格式换算到HSV空间的方法: max_v = max(...

勇敢的蜗牛 6212

OpenCV 摄像头参数优化:拍出专业级照片的完整指南

本文介绍了使用OpenCV优化摄像头参数以获得专业级照片的方法。主要内容包括: 基础拍照程序实现,包含自动和手动参数设置 7个关键参数详解:亮度、对比度、饱和度、色调、Gamma、锐度和背光补偿,说明其作用原理和推荐设置值 智能参数优化系统框架,通过分析场景特征自动推荐最佳参数 文章提供了可直接运行的Python代码示例,并详细解释了每个参数对图像质量的影响,帮助开发者快速实现高质量的摄像头图像采集功能。

LDC,公众号【轻松学编程】 212

cv_unet_image-colorization效果优化:饱和度/自然度/肤色校准实操手册

本文介绍了如何在星图GPU平台上自动化部署🎨 cv_unet_image-colorization镜像,并对其进行效果优化。通过调整饱和度、自然度及精准校准肤色,该工具能将黑白照片智能上色并优化至惊艳效果,尤其适用于老照片修复、历史影像着色等场景,让珍贵记忆焕发新生。

weixin_34718952的博客 794

Matlab HSV空间双边滤波去雾工具包(含测试图+源码+效果对比)

一套开箱即用的Matlab图像去雾实现,把原始雾天图像先转到HSV色彩空间,在V通道上应用双边滤波进行透射率估计与细节增强,再反变换回RGB输出清晰结果。包里自带6张典型测试图(2005.bmp、girl.bmp、boy.bmp、5.bmp、5_retinex.bmp等),主程序demo.m一键运行,核心滤波逻辑封装在bialteral.m和bialteral2.m两个函数中,不依赖Image Processing Toolbox,纯M语言编写。运行后自动生成去雾效果图(运行结果.jpg)和多方法对比图(_

java5的博客 274

4090显卡实测:PointPillars在KITTI数据集上的3D目标检测复现全流程(附避坑指南)

本文详细记录了在NVIDIA RTX 4090显卡上,从环境搭建、数据处理到模型训练与评估,完整复现PointPillars算法在KITTI数据集上进行3D目标检测的全流程。重点分享了版本配置、数据预处理、性能调优及常见问题的避坑指南,帮助开发者高效利用硬件资源,成功跑通并理解这一经典3D检测项目。

purple的博客 916

过亮图像的处理

因为它把亮度(V)单独拎出来,便于调整“太亮”问题,而不影响颜色本身。**cv2.cvtColor:**就是颜色空间的“翻译机”,从BGR(OpenCV默认的RGB变体)转到HSV。右侧220处出现一个陡峭高峰 → 因为 np.clip(v, 0, 220) 把所有 >220 的像素都压到了220,所以这个位置“堆积”了很多像素;在 250附近有一个尖峰 → 表示图像中有大量“过曝”像素(比如天空、车灯、反光),这些区域细节丢失了;横轴:像素亮度值(0~255),0 是黑,255 是白。

weixin_57128596的博客 738

Python与PyCharm安装配置教程:从零搭建开发环境

编程入门的第一步是搭建开发环境,而Python解释器与IDE工具的选择常让新手困惑。Python作为解释型语言,负责将代码翻译为机器指令,而PyCharm作为集成开发环境,提供代码编辑、调试与项目管理功能,两者协同工作构成高效开发基础。环境变量PATH的配置是安装过程中的关键环节,正确处理可避免“python不是内部或外部命令”的常见错误。理解pip包管理机制,则能轻松安装第三方库并管理项目依赖。从下载官方安装包到运行第一个Hello World程序,再到利用虚拟环境隔离应用依赖,这套流程适用于Window

benben 685

图像处理101第1.2章:颜色模型

颜色模型是我们如何在简单和高级图像处理工作流程中表示、操作和分析图像的基础。每个模型都有其独特的用途。了解何时以及为何使用特定模型,可以帮助开发人员和研究人员构建更准确、更高效、视觉上更一致的图像处理流程

控件与插件之大全 1128

S7-200 Smart 控制运动轴(脉冲电机/伺服)教程

S7-200 Smart 控制运动轴(脉冲电机/伺服) 结合本人刚接触触摸屏时候的踩坑经验,编写S7-200 Smart 控制运动轴(脉冲电机/伺服)的详细流程,给刚接触PLC的朋友提供一些经验指导。 本文详细介绍了S7-200 Smart 控制脉冲步进/伺服电机流程,包含接线方法及梯形图。希望对初学者有所帮助

xjbsw0的博客 5万+

Windows10下RTABMAP+T265实现三维建图

win10+rtabmap+t265扫描地形

Suxiang1997的博客 3489

魔方机器人之视觉学习

创意机器人 魔方机器人视觉学习计划

weixin_74040792的博客 444

【华为OD技术面试真题 - 技术面】- 测试面试题(1)

专栏:华为OD面试真题精选 目录: 2024华为OD面试手撕代码真题目录以及八股文真题目录黑盒测试:白盒测试:基本功能验证:边界条件测试:空白输入测试:特殊字符和格式测试:响应时间测试:压力测试:针对在不同系统和设备上测试聊天窗口功能,以及网络正常的前置条件,我们可以增加以下测试用例:系统和设备:PC端测试:移动端测试:功能验证:前置条件:网络性能影响测试:Postman:SoapUI:JMeter:Rest-Assured:Tricentis Tosca:ReadyAPI:CI/CD工具集成:测试管理工

算法大师! 3692

OpenCV基础入门2

本文介绍了OpenCV基础操作,分为4个阶段:几何变换、颜色空间转换、图像增强、滤波与降噪及基础代码案例。

wgx_0504的博客 879

LVGL misc timer 定时器(lv_timer.c)

定时器机制是LVGL中非常重要的一项功能,它承载了LVGL的延时任务执行,周期任务执行,时序任务执行等,可以说理解定时器的设计就一定程度上理解发LVGL的任务调度机制。

Bigan(安)的博客 4733

高通SDX35平台 modem启动异常分析

SDX35 MIFI项目在生产时出现modem反复重启问题。经排查发现是modem在初始化GNSS模块时访问了不存在的硬件地址导致崩溃,原因是产线使用的SDX35 000-AB型号芯片阉割了GNSS功能,而本地测试使用的AA型号支持该功能。解决方案是通过修改modem编译选项,采用高通新提供的genlmm2选项(保留IMS和SMS功能但去除GNSS支持),最终解决了启动异常问题并满足VZW认证需求。

四儿家的小祖宗的博客 277

Python图像处理实战:从RGB原理到五种场景的像素级色彩修改

RGB色彩模型是数字图像处理的基础,它通过红、绿、蓝三原色通道的数值组合来定义颜色。理解其底层原理是进行任何图像操作的前提,这包括色彩空间转换、通道分离与像素值计算。掌握RGB修改技术,能够实现自动化色彩校正、风格化滤镜和批量图像处理,在UI设计、摄影后期和计算机视觉等领域具有广泛应用。本文以Python为核心工具,结合Pillow和OpenCV库,通过实战代码演示了全局调色、特定颜色替换、局部亮度调整、色彩平衡校正和风格化滤镜等五种常见场景,并深入探讨了YUV转RGB等色彩空间转换以及处理过程中的性能优化

weixin_33802505的博客 785

16、硬件工程师笔试面试——滤波器(2025版本)

根据德州仪器的应用指南,设计有源低通滤波器时,可以使用设计表格来确定所需的电路元件值,这些表格包含了比例因数(FSF)和品质因数(Q),这些参数与滤波器的阶数有关。在设计和测试过程中,可以参考相关的技术文档和应用指南,例如德州仪器(Texas Instruments)提供的有源低通滤波器设计指南 ,其中详细介绍了设计方法、元件选择和测试技术。在设计完成后,进行充分的测试和验证是非常重要的。一般来说,每一阶低通或高通电路可以提供约6dB的衰减(每倍频程),因此,如果需要较大的带外衰减,就需要选择更高的阶数。

XU157303764的博客 2464

颜色直方图与颜色云:图像色彩量化分析与Python实战

在数字图像处理领域,量化分析图像的颜色特征是进行图像检索、内容审核和风格迁移等任务的基础。颜色直方图作为核心工具,通过统计不同颜色区间(bin)的像素数量,以图表形式直观呈现图像的全局色彩分布,其原理在于将颜色空间(如RGB、HSV)离散化后进行频次统计。这一技术为图像相似性比较、曝光评估和主色识别提供了可计算的指标,具有重要的工程价值。颜色云则在此基础上,将每个像素按其颜色值投射到三维空间(如RGB立方体),形成可视化的点云,能更直观地揭示颜色的聚集模式和分布范围,常用于主色提取和异常检测。本文结合Pyt

dengkuituo0680的博客 444

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

【软件设计师考点】图形、图像文件格式

本文系统介绍了图形图像的基础概念与常见文件格式。首先阐述了像素、分辨率和颜色模型等基本概念,区分了位图和矢量图两大类型及其特点。重点解析了JPEG、PNG、GIF、BMP等位图格式以及SVG、EPS、AI等矢量格式的特性与应用场景。最后探讨了如何根据用途、存储空间和传输需求选择合适的文件格式,并展望了未来图像格式在压缩技术、设备适配和兼容性方面的发展趋势。为读者提供了全面的图形图像格式知识框架和实用选择指南。

大雨淅淅的博客 1213

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

上一篇: 魔棒工具--RegionGrow算法简介
下一篇: 运动背景下的运动目标检测
凌风探梅
博客等级 码龄19年 2575粉丝 113原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
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
实付元
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