Python 图像处理，曝光

### 使用Python进行图像处理中的曝光调整

在Python中，可以利用多种库来实现图像的曝光调整。常用的库包括`PIL`（即`Pillow`）、`OpenCV`以及`skimage`。

对于简单的亮度增强或减弱操作，可以直接通过修改像素值的方式完成。然而，更复杂的曝光校正通常涉及伽马矫正、直方图均衡化等技术[^1]。

#### 方法一：使用Pillow库调整图片亮度

from PIL import Image, ImageEnhance

def adjust_brightness(image_path, factor):
    image = Image.open(image_path)
    enhancer = ImageEnhance.Brightness(image)
    enhanced_image = enhancer.enhance(factor)  # 调整因子范围(0.0-inf)，1表示原始亮度
    return enhanced_image

此函数接受一张图片路径作为输入参数，并返回经过亮度调节后的Image对象。其中factor用于控制最终输出图像相对于原图的明亮程度；当其大于1时会使画面变亮，反之则会变暗[^2]。

#### 方法二：基于OpenCV与NumPy实现自定义曝光补偿

如果希望获得更加精细的效果，则可以通过计算每个通道上的平均灰度值并据此动态调整整个图像的整体对比度和亮度：

import cv2
import numpy as np

def exposure_compensation(img_bgr, alpha=1.0, beta=0):
    img_contrast = cv2.convertScaleAbs(img_bgr, alpha=alpha, beta=beta)

    hsv_img = cv2.cvtColor(img_contrast,cv2.COLOR_BGR2HSV)
    
    h,s,v=cv2.split(hsv_img)
    v=np.where(v<=255-beta,v+beta,255).astype(np.uint8)
    final_hsv=cv2.merge((h,s,v))
  
    result=cv2.cvtColor(final_hsv,cv2.COLOR_HSV2BGR)
    return result

上述代码片段展示了如何借助于颜色空间转换(HSV模式), 对V分量施加线性变换以达到改变整体光照强度的目的。这里引入了两个额外变量α(alpha) 和 β(beta): 前者负责缩放比例而后者则是偏移项; 它们共同决定了新生成图像的具体视觉特性[^3].