opencv 改变图像亮度

你可以使用 OpenCV 库来改变图像的亮度。下面是一个基本的方法：

import cv2
import numpy as np

# 加载图像
image = cv2.imread('image.jpg')

# 将图像转换为浮点型
image = image.astype(np.float32) / 255.0

# 调整亮度
brightness = 0.5  # 亮度缩放因子，大于1增加亮度，小于1减少亮度
adjusted_image = cv2.add(image, brightness)

# 将图像转回整数型
adjusted_image = (adjusted_image * 255).astype(np.uint8)

# 显示图像
cv2.imshow('Original', image)
cv2.imshow('Adjusted', adjusted_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们首先加载图像，并将其转换为浮点型。然后，通过添加一个亮度缩放因子来调整亮度。最后，将调整后的图像转回整数型，并显示原始图像和调整后的图像。

你可以根据需要调整亮度缩放因子来增加或减少亮度。值大于1会增加亮度，值小于1会减少亮度。

相关问题

opencv提高图片亮度

在OpenCV中，你可以使用`cv2.convertScaleAbs()`函数来调整图像的亮度。这个函数会对输入的图像进行线性变换，然后应用绝对值，从而改变图像的整体亮度。基本的步骤如下：

import cv2
import numpy as np

# 加载图像
image = cv2.imread('input_image.jpg', cv2.IMREAD_GRAYSCALE)  # 如果是彩色图，需要先转为灰度

# 定义亮度增益（scale factor），大于1表示增加亮度，小于1则降低亮度
brightness_gain = 1.5  # 调整这个数值以增大或减小亮度

# 应用转换
brightened_image = cv2.convertScaleAbs(image, alpha=brightness_gain, beta=0)

# 写回或显示结果
cv2.imwrite('output_image.jpg', brightened_image)
# 或者
cv2.imshow('Brightened Image', brightened_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，`alpha`参数控制了亮度变化的比例，`beta`参数用于整体偏移（如添加亮度过量时的白色背景）。`IMREAD_GRAYSCALE`常用于处理灰度图像，如果处理的是彩色图像，则需要先转换。

OpenCV读取图片亮度，饱和度，对比度，锐度

OpenCV是一个广泛用于计算机视觉和机器学习的开源库，在处理图像时，它可以调整图像的亮度、饱和度、对比度以及锐度。以下是简单介绍：

1. **亮度调整（Brightness）**：通过`cv2.addWeighted()`函数可以调整图像的整体亮度，该函数接受源图像、权重（0到1之间，增加亮度则设为大于1）、加权值（通常为常数0）和目标图像作为输入。

2. **饱和度调整（Saturation）**：OpenCV本身并不直接提供调整饱和度的功能，但你可以通过调整颜色空间转换后的HSL（色相、饱和度、明度）通道来改变饱和度。例如，将图像从BGR转为HSV，然后调整HSV的“S”通道。

3. **对比度调整（Contrast）**：可以通过减去图像平均灰度值再乘以一个放大系数来增强对比度。另一种方法是使用直方图均衡化，如`cv2.equalizeHist()`函数，它能改善整个图像的对比度。

4. **锐度调整（Sharpening）**：常用的锐化操作有高斯模糊后再减去未模糊的原始图像，这可以通过`cv2.filter2D()`结合卷积核（如负梯度的倒置版本）来实现。另外，也可以使用Unsharp Mask（边缘增强滤波）技术。

# 示例代码
import cv2
import numpy as np

def adjust_brightness(image, brightness_factor):
    return cv2.addWeighted(image, brightness_factor, image, 1 - brightness_factor, 0)

def adjust_contrast(image):
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    hist, _ = np.histogram(gray.flatten(), 256, [0, 256])
    cdf = hist.cumsum()
    cdf_normalized = cdf * hist.max() / cdf.max()
    gamma_table = np.array([((i / 255) ** 2.2) * 255 for i in range(256)])
    adjusted = cv2.LUT(gray, gamma_table)
    return cv2.convertScaleAbs(adjusted)

# 使用这些函数对图像进行调整...