opencv调整亮度和对比度

OpenCV提供了很多函数来调整图像的亮度和对比度，以下是一个简单的例子：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('test.jpg')

# 调整亮度和对比度
alpha = 1.5    # 调整对比度的参数
beta = 50    # 调整亮度的参数
new_img = np.clip(alpha * img + beta, 0, 255).astype(np.uint8)

# 显示原图和调整后的图
cv2.imshow('Original Image', img)
cv2.imshow('New Image', new_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个例子中，我们使用了以下公式来调整亮度和对比度：

$$
g(x) = \alpha f(x) + \beta
$$

其中，$f(x)$ 表示原始像素值，$g(x)$ 表示调整后的像素值，$\alpha$ 是对比度调整参数，$\beta$ 是亮度调整参数。我们使用 `np.clip` 函数将调整后的像素值限制在 0 到 255 之间，然后使用 `astype` 函数将数据类型转换为 `np.uint8`，最后显示原始图像和调整后的图像。

你可以根据自己的需要调整参数 $\alpha$ 和 $\beta$ 来得到不同的效果。

相关问题

opencv调整亮度 对比度

### 使用 OpenCV 调整图像亮度和对比度

#### 方法概述
调整图像的亮度和对比度是增强图像质量的重要手段之一。通过改变图像中的每个像素值，可以使图像更清晰或更适合特定应用场景。

#### 实现原理
为了实现这一功能，在编程中通常采用线性变换的方式：

\[ g(i,j)=α⋅f(i,j)+β \]

其中 \( f(i,j) \) 表示原始图像在位置 (i, j) 处的颜色强度；\( α \) 控制对比度，而 \( β \) 则用来调节亮度[^4]。

对于上述公式而言，当参数 \( α>1 \)，则表示增加对比度；反之，则降低对比度。同样地，正值的 \( β \) 增加整体亮度，负数减少亮度。

为了避免数值超出有效范围（即0到255之间），OpenCV 提供了一个名为 `cv::saturate_cast` 的工具函数来自动处理可能发生的溢出情况[^2]。

#### Python 示例代码
下面是一段基于Python语言并利用OpenCV库完成此任务的具体实例：

import cv2
import numpy as np

def adjust_brightness_contrast(image_path, alpha=1.0, beta=0):
    image = cv2.imread(image_path)

    adjusted_image = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)

    return adjusted_image


if __name__ == "__main__":
    img_file = "example.jpg"
    
    # 设置对比度因子(大于1为提高),以及亮度偏移量
    contrast_factor = 1.8  
    brightness_offset = 30  

    result_img = adjust_brightness_contrast(img_file, contrast_factor, brightness_offset)
    
    cv2.imshow('Original Image', cv2.imread(img_file))
    cv2.imshow('Adjusted Image', result_img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

这段程序定义了一个简单的函数 `adjust_brightness_contrast()` ，它接收图片路径作为输入，并允许指定两个额外参数：一个是控制对比度的比例系数 (`alpha`)，另一个是用来增减亮度的固定增量(`beta`) 。最后展示了原图与经过修改后的效果图以便比较[^3]。

c++ opencv实现图像亮度对比度伽马值调整

在C++中，可以使用OpenCV库来实现图像的亮度、对比度和伽马值调整。下面是一个简单的示例代码：

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace cv;

// 亮度和对比度调整函数
void adjustBrightnessContrast(Mat& image, double alpha, int beta)
{
    // 遍历图像的每个像素
    for (int y = 0; y < image.rows; y++)
    {
        for (int x = 0; x < image.cols; x++)
        {
            for (int c = 0; c < image.channels(); c++)
            {
                // 对每个通道的像素进行亮度和对比度调整
                image.at<Vec3b>(y, x)[c] = saturate_cast<uchar>(alpha * image.at<Vec3b>(y, x)[c] + beta);
            }
        }
    }
}

// 伽马值调整函数
void adjustGamma(Mat& image, double gamma)
{
    // 建立查找表
    unsigned char lut[256];
    for (int i = 0; i < 256; i++)
    {
        lut[i] = saturate_cast<uchar>(pow((double)i / 255.0, gamma) * 255.0);
    }

    // 应用查找表
    image = image.clone();
    LUT(image, Mat(1, 256, CV_8UC1, lut), image);
}

int main()
{
    // 读取图像
    Mat image = imread("input.jpg");
    if (image.empty())
    {
        std::cerr << "Failed to read image." << std::endl;
        return -1;
    }

    // 调整亮度和对比度
    double alpha = 1.5;  // 亮度调整参数
    int beta = 30;      // 对比度调整参数
    adjustBrightnessContrast(image, alpha, beta);

    // 调整伽马值
    double gamma = 1.5;  // 伽马值调整参数
    adjustGamma(image, gamma);

    // 显示结果图像
    imshow("Adjusted Image", image);
    waitKey(0);

    return 0;
}

在这个示例代码中，我们首先定义了两个函数：`adjustBrightnessContrast`和`adjustGamma`，分别用于亮度和对比度、伽马值的调整。然后在`main`函数中，我们读取了一张图像，然后分别调用这两个函数进行图像处理。最后，将处理后的图像显示出来。

请确保在编译和运行代码之前，已经安装了OpenCV库，并将示例代码中的`input.jpg`替换为你自己的图像路径。