OpenCV统计应用-影像增强,亮度/对比实作

最新推荐文章于 2025-08-20 16:39:43 发布

转载最新推荐文章于 2025-08-20 16:39:43 发布 · 819 阅读

文章标签：

#image #table #数据结构 #算法 #float #图形

OpenCV 专栏收录该内容

9 篇文章

订阅专栏

本文介绍如何在OpenCV中实现亮度与对比度调整功能，通过修改线性函数公式来增强图像效果，详细解释了亮度和对比度的概念，并提供了伪码实现和实际程序代码，展示了亮度/对比度调整的数学公式、线性公式、直方图绘制及Look-up table应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（摘自） http://blog.ednchina.com/webuserzhy/201548/message.aspx

在一般显示屏幕以及图形处理的应用软件上,都会有一个亮度/对比的色彩(Brightness/Contrast)调整,它是属于影像增强的部份,在OpenCV里面的Sample Code里面就有这样的灰阶程序的实作,在这边就修改了OpenCV的Sample Code,来做色彩增强的亮度/对比的程序,而在一般的亮度/对比来讲亮度(Brightness)的范围为0~200而对比(Contrast)亦是0~200,它们由一条线性函数的公式所定义,对比所代表的是斜率,亮度则是偏移量,这条线性公式代表的是Look-up table的对应,它的数学式定义如下

原始的亮度对比数值范围为-100~100之间,C代表对比,B代表亮度

对于对比率(Contrast ratio)来讲,delta范围应该落在0~255,这边将对比率的公式做重新的调整

对比率代表着斜率的α值,而亮度则是决定线性公式位移的情况,也就是β值,而Y=αX+β这个线性公式它所表达的情况如下

α值的范围落在0~255之间,而它的情况如下

再来下面是用伪码的方式表达亮度/对比的算法

下面就是亮度/对比的程序了

亮度/对比实作
#include <cv.h>
#include <highgui.h>
#include <stdio.h>

int BrightnessPosition = 100;
int ContrastPosition = 100;

int HistogramBins = 64;
int HistogramBinWidth;
float HistogramRange1[2]={0,256};
float *HistogramRange[1]={&HistogramRange1[0]};

IplImage *Image1,*Image2;
CvHistogram *Histogram1;
IplImage *HistogramImage;

uchar LookupTableData[256];
CvMat *LookupTableMatrix;
IplImage *LookupTableImage;
CvPoint Point1,Point2;

void OnTrackbar(int Position)
{
    int Brightness="BrightnessPosition-"100;
    int Contrast="ContrastPosition" -100;
    double Delta;
    double a,b;
    int y;

    //Brightness/Contrast Formula
    if(Contrast>0)
    {
        Delta=127*Contrast/100;
        a=255/(255-Delta*2);
        b=a*(Brightness-Delta);

        for(int x=0;x<256;x++)
        {
            y=(int)(a*x+b);

            if(y<0)
                y=0;
            if(y>255)
                y=255;

            LookupTableData[x]=(uchar)y;
        }
    }
    else
    {
        Delta=-128*Contrast/100;
        a=(256-Delta*2)/255;
        b=a*Brightness+Delta;

        for(int x=0;x<256;x++)
        {
            y=(int)(a*x+b);

            if(y<0)
                y=0;
            if(y>255)
                y=255;

            LookupTableData[x]=(uchar)y;
        }
    }
    //End

    //Look up table sketch
    cvSetZero(LookupTableImage);
    cvNot(LookupTableImage,LookupTableImage);
    Point2=cvPoint(0,LookupTableData[0]);
    for(int i=0;i<256;i++)
    {
        Point1=cvPoint(i,LookupTableData[i]);
        cvLine(LookupTableImage,Point1,Point2,CV_RGB(0,0,0),3);
        Point2=Point1;
    }
    cvLUT(Image1,Image2,LookupTableMatrix);
    //End

    //Gray Level Histogram
    cvCalcHist(&Image2,Histogram1);
    cvNormalizeHist(Histogram1,3000);

    cvSetZero(HistogramImage);
    cvNot(HistogramImage,HistogramImage);
    HistogramBinWidth = HistogramImage->width/HistogramBins;
    for(int i=0;i<HistogramBins;i++)
    {
        Point1=cvPoint(i*HistogramBinWidth,0);
        Point2=cvPoint((i+1)*HistogramBinWidth,(int)cvQueryHistValue_1D(Histogram1,i));
        cvRectangle(HistogramImage,Point1,Point2,CV_RGB(0,0,0),CV_FILLED);
    }
    //End

    cvShowImage("Gray Level Histogram",HistogramImage);
    cvShowImage("Brightness/Contrast",Image2);
    cvShowImage("Image Enhance",LookupTableImage);
    cvZero(Image2);
}

int main()
{
    Image1=cvLoadImage("DarkClouds.jpg",0);
    Image2=cvCloneImage(Image1);

    Histogram1=cvCreateHist(1,&HistogramBins,CV_HIST_ARRAY,HistogramRange);
    HistogramImage = cvCreateImage(cvSize(320,200),8,1);

    LookupTableImage=cvCreateImage(cvSize(256,256),8,3);
    LookupTableMatrix=cvCreateMatHeader(1,256,CV_8UC1);
    cvSetData(LookupTableMatrix,LookupTableData,0);

    LookupTableImage->origin=1;
    HistogramImage->origin=1;

    cvNamedWindow("Brightness/Contrast",1);
    cvNamedWindow("Gray Level Histogram",1);
    cvNamedWindow("Image Enhance",1);

    cvCreateTrackbar("brightness","Brightness/Contrast",&BrightnessPosition,200,OnTrackbar);
    cvCreateTrackbar("contrast","Brightness/Contrast",&ContrastPosition,200,OnTrackbar);

    OnTrackbar(0);

    cvWaitKey(0);
}

执行结果:

这只程序同样也是用到CvHistogram数据结构,使用到两个拉轴(Trackbar),以及Look-up table的应用,在//Brightness/Contrast Formula的批注内所包的就是亮度/对比算法伪码的实作,再来就是把它的线性系统化出来,也就是Y=αX+β的函数方程式,这个方程式,当然同等于Look up table,而之后,在把他们灰阶直方图的分布画出来,在main()里面,当然是先读取目标图片转成灰阶,初始化绘制直方图与线性系统图片的空间,创立三个窗口接口,设立两个拉轴,并且将拉轴的事件函式设定成同一个的子程序的名称.而对于影像增强(Image Enhance)这个窗口接口,它所代表的含意如下

X轴代表为是原始灰阶的输入值,而Y轴代表的是灰阶值所对应的结果,而X轴跟Y轴的范围都是0~255,而这条直线公式也会受到斜率(α)以及平移(β)的结果改面灰阶值输入以及输出的对应,它是将一张原始灰阶图片的每一个像素值做线性函式的对应,使得每个灰阶值对应出来的结果产生了变化,由下面可以知道它(LUT)对应的关系

(a)亮度条为0因此小于100的灰阶值都为0而灰阶值方图也像左偏移

(b)亮度条为100,因此大于156的灰阶值都为255,而灰阶值方图也都向右偏移

(c)对比为0,这个时候斜率α为0,因此输入的0~255的灰阶值输出都固定为128,因此整张图片都是灰阶值128的影像,而灰阶直方图则是所有数据都集中在128

(d)对比为100,这个时候斜率为255,而这样的图片又可以叫做二值化图片,因为输出结果非黑即白,而移动亮度则是在平移二值化的门坎值,由灰阶值方图可以得知,所有数据都被分开到0跟255两边

上面所表达的其实就是一种Look-up table的表达方式,藉由一个输入灰阶值的矩阵,对应岀另一个不同的灰阶值数据,因此改变了原始灰阶值的数据,而整张图片也因此产生了变化