python+opencv修改文件夹中图片亮度并保存至另一文件夹

时间: 2023-12-30 14:05:57 浏览: 39
答案:可以使用 OpenCV 中的 cv2.imread() 和 cv2.imwrite() 函数读取和保存图片,使用 cv2.addWeighted() 函数调整亮度。具体代码如下: ```python import cv2 import os # 输入文件夹和输出文件夹路径 input_dir = "input/" output_dir = "output/" # 获取输入文件夹中所有图片的路径 image_paths = [os.path.join(input_dir, f) for f in os.listdir(input_dir) if f.endswith(".jpg")] # 调整亮度并保存图片 for image_path in image_paths: img = cv2.imread(image_path) brightness = 50 # 亮度调整值 new_img = cv2.addWeighted(img, 1, img, 0, brightness) output_path = os.path.join(output_dir, os.path.basename(image_path)) cv2.imwrite(output_path, new_img) ``` 希望能对您有所帮助!
相关问题

使用python,opencv,批量读取文件夹中的图像,提高它的亮度,保存在新的文件夹中

好的,可以使用Python的OpenCV库来实现这个功能。以下是代码示例: ```python import cv2 import os # 输入文件夹路径和输出文件夹路径 input_dir = "input_folder/" output_dir = "output_folder/" # 获取输入文件夹中的所有图像文件名 files = os.listdir(input_dir) image_files = [f for f in files if f.endswith('.jpg') or f.endswith('.png')] # 循环读取每张图像并提高亮度 for f in image_files: # 读取图像 img = cv2.imread(os.path.join(input_dir, f)) # 提高亮度 img = cv2.addWeighted(img, 1.2, np.zeros(img.shape, img.dtype), 0, 0) # 保存到输出文件夹 cv2.imwrite(os.path.join(output_dir, f), img) ``` 在这个示例中,我们首先指定输入文件夹和输出文件夹的路径。然后使用`os.listdir()`函数获取输入文件夹中所有的文件名,使用列表推导式过滤出所有图像文件名。接着循环读取每张图像,使用`cv2.addWeighted()`函数提高图像的亮度,最后使用`cv2.imwrite()`函数将处理后的图像保存到输出文件夹中。 需要注意的是,在此代码示例中,我们使用了`cv2.addWeighted()`函数来提高图像的亮度,该函数的第一个参数是输入图像,第二个参数是亮度权重,这里设置为1.2表示提高20%的亮度。如果要降低亮度,则可以将权重设置为小于1的值。

python opencv 批量处理图片代码

很高兴回答你的问题,以下是一段 Python OpenCV 批量处理图片的代码示例: ``` import cv2 import glob # 获取文件夹内所有图片文件的路径 img_paths = glob.glob('images/*.jpg') for img_path in img_paths: # 读取图片 img = cv2.imread(img_path) # 处理图片,例如调整亮度、裁剪等操作 # ... # 保存处理后的图片 cv2.imwrite('processed_images/' + img_path.split('/')[-1], img) ``` 希望对你有所帮助!

相关推荐

最新推荐

recommend-type

python+opencv 读取文件夹下的所有图像并批量保存ROI的方法

今天小编就为大家分享一篇python+opencv 读取文件夹下的所有图像并批量保存ROI的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
recommend-type

python使用openCV遍历文件夹里所有视频文件并保存成图片

主要介绍了python使用openCV遍历文件夹里所有视频文件并保存成图片,本文通过实例代码给大家介绍的非常详细,具有一定的参考借鉴价值,需要的朋友参考下吧
recommend-type

python3+opencv3识别图片中的物体并截取的方法

Note: 使用Python和OpenCV检测图像中的物体并将物体裁剪下来 """ import cv2 import numpy as np # step1:加载图片,转成灰度图 image = cv2.imread("353.jpg") gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # ...
recommend-type

python+opencv轮廓检测代码解析

主要介绍了python+opencv轮廓检测代码解析,本文实例实现对图片的简单处理,比如图片的读取,灰度显示等相关内容,具有一定借鉴价值,需要的朋友可以参考下
recommend-type

python+opencv实现动态物体识别

主要为大家详细介绍了python+opencv实现动态物体识别,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

用matlab绘制高斯色噪声情况下的频率估计CRLB,其中w(n)是零均值高斯色噪声,w(n)=0.8*w(n-1)+e(n),e(n)服从零均值方差为se的高斯分布

以下是用matlab绘制高斯色噪声情况下频率估计CRLB的代码: ```matlab % 参数设置 N = 100; % 信号长度 se = 0.5; % 噪声方差 w = zeros(N,1); % 高斯色噪声 w(1) = randn(1)*sqrt(se); for n = 2:N w(n) = 0.8*w(n-1) + randn(1)*sqrt(se); end % 计算频率估计CRLB fs = 1; % 采样频率 df = 0.01; % 频率分辨率 f = 0:df:fs/2; % 频率范围 M = length(f); CRLB = zeros(M,1); for
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。