图像预处理-图像亮度变换

文章发布时间:

最后更新时间:

文章总字数:
1.2k

预计阅读时间:
4 分钟

一.亮度变换

首先有两个关联的说法：

  • 亮度调整：像素强度整体变高或者变低。

  • 对比度调整：暗处像素强度变低，亮处像素强度变高，从而拉大中间某个区域范围的显示精度。

opencv中操作这两种变换的公式为：

  • 对比度：需要通过alpha、beta一起控制。

  • 亮度：通过beta控制。

比如，图像中一点的像素为160，一点为10，我想增强对比度，那就是让这两点差异更大。可以让alpha为1.5，这样两点像素值就分别变成了240和15，然后beta为10，就变成了250和25，差异就更大了。

二.线性变换

cv2.addWeighted(src1, alpha, src2, beta, gamma)

  • src1：第一张输入图像

  • alpha：第一个输入图像的权重。

  • src2：第二张输入图像

  • beta：第二个输入图像的权重。

  • gamma：一个标量，将被添加到权重求和的结果上，可用于调整总体亮度。

这里用了之前的颜色加权加法，本用于两张图相加，但其有一个参数gamma，会作为额外值添加进合并后结果并修改亮度。因此只做亮度变换的话，可以将其中的第二张图设为全黑，权重无所谓；或者设为全白（或其他值），权重设为0。然后根据gamma值修改亮度。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
# 养成好习惯，自己敲代码
import cv2 as cv
import numpy as np
 
# 导入图像
img = cv.imread('../images/cat1.png')
 
# 进行线性变换（亮度调整）
dst = cv.addWeighted(img,1,np.zeros_like(img),0,40)
# dst = cv.addWeighted(img,1,np.full_like(img,40),0,40)
# dst = cv.addWeighted(img,1,np.ones_like(img),0,40)
 
# 显示图像
cv.imshow('img', img)
cv.imshow('dst', dst)
cv.waitKey(0)
cv.destroyAllWindows()

np.ones_like()和np.zeros_like()可以快速生成一张继承原图形状与维度的全黑或值全1的图片,其中传入img图像即可。np.full_like(img，value)可以生成一张全为指定值（如0.5）的图片。

三.直接像素值修改

numpy.clip(a, a_min, a_max)

对数组中的元素进行限定，将超出指定范围的元素值截断至指定的最小值和最大值之间

  • a：输入数组。

  • a_min：指定的最小值，数组中所有小于 a_min 的元素将被替换为 a_min。

  • a_max：指定的最大值，数组中所有大于 a_max 的元素将被替换为 a_max。

这个API通常完成的是防止像素值溢出的功能，返回一个新图像。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
import cv2 as cv
import numpy as np
 
# 读取图像
img = cv.imread("../images/cat1.png")
p = 40
 
dst=np.clip(img.astype(int)+p,0,255).astype(np.uint8)
 
 
cv.imshow("img",img)
cv.imshow("dst",dst)
cv.waitKey(0)
cv.destroyAllWindows()

结果：

可以看到，代码中使用了两个astype()变换，那为什么要这么做呢？

首先，img图像与int类型整数做加法运算时会隐式地将图像中的像素值变换为int64类型，这种隐式的操作容易产生潜在问题，因此使用.astype(int)显示指定像素值为int32类型来进行加法运算（或者用 np.int32/64 都可以）。

而两者相加之后得到的数值依然是int类型，图像处理函数要求数据类型为unit8，因此在最后还需要加上.astype(np.unit8)来转化。

做到这里，其实有一种更方便的亮度调整方法：

就是创建滑条，用一个滑动的窗口来让亮度根据滑动的位置变化。

1
2
cv.createTrackbar
(trackbar_name,window_name,trackbar_value,max_value,def)

  • trackbar_name : 滑条的名字

  • window_name : 滑条窗口的名字

  • trackbar_value : 滑条默认所在的位置(值)

  • max_value : 滑条最大的范围(值)

  • def : 对图像操作的方法，该方法只能传入一个参数，就是trackbar_value

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import cv2 as cv
import numpy as np
 
# 给滑条创建窗口
window_name="Trackbar"
cv.namedWindow(window_name)
# 写一个改变图像亮度的方法
def change(p,img):
    # 把滑条范围映射到[-255,255] 原本滑条值[0,255]
    p=p/255*(255-(-255))-255
    # p=2*p-255
    #亮度变换
    dst=np.uint8(np.clip(img.astype(int)+p,0,255))
    cv.imshow("img",img)
    cv.imshow("dst",dst)
 
# 读取图像
img = cv.imread("../images/cat1.png")
 
# 创建滑条、设置参数
max_val=255# 滑条最大值
trackbar_name="p_value"# 滑条名
trackbar_value=150# 滑条初始值
cv.createTrackbar(trackbar_name,window_name,trackbar_value,255,lambda p:change(p,img))
cv.waitKey(0)
cv.destroyAllWindows()

结果：

上面的p/255就是将p这个加入的修改值归一化，然后映射到我们想调整的范围[-255,255]即总共510的范围里去，最后减去255表示把p的值真正地固定在[-255,255]中。

并且可以看到，我们创建了change函数传入创建滑条的函数，但是其中有两个参数，创建滑条时会报错。因此这里采用匿名函数强制绑定img在回调函数change上，使得img这个参数能够正确传入。

≡