cv2.convertScaleAbs增强亮度对比度的原理

`cv2.convertScaleAbs` 是 OpenCV 提供的一种图像处理函数，用于对图像进行亮度和对比度的增强。它的原理非常简单，它将输入图像的每个像素值乘以一个缩放因子，然后加上一个偏移量，以达到亮度和对比度的调整。

具体来说，`cv2.convertScaleAbs` 的公式如下：

dst = cv2.convertScaleAbs(src, alpha=alpha, beta=beta)

其中，`src` 表示输入图像，`alpha` 表示缩放因子，`beta` 表示偏移量，`dst` 表示输出图像。

具体地，`cv2.convertScaleAbs` 的处理过程如下：

1. 对于每个像素点 $p$，将它的像素值 $I_{p}$ 乘以一个缩放因子 $\alpha$，即：$I'_{p} = \alpha \cdot I_{p}$。

2. 然后加上一个偏移量 $\beta$，即：$I''_{p} = I'_{p} + \beta$。

3. 如果 $I''_{p}$ 的值小于0，则将它截断为0；如果 $I''_{p}$ 的值大于255，则将它截断为255。

4. 最后，将 $I''_{p}$ 转换为整数类型（取绝对值并截断），即：$I_{p} = |I''_{p}|$。

这样，就完成了对图像的亮度和对比度的调整。通过调节缩放因子和偏移量，可以实现不同程度的增强效果。

相关问题

def enhance_gray(image, alpha=1.2, beta=30): enhanced_image = cv2.convertScaleAbs(image, alpha=alpha, beta=beta) return enhanced_image 代码解析

这段代码使用了OpenCV中的convertScaleAbs函数实现了灰度图像的增强。下面是对代码的解析：

def enhance_gray(image, alpha=1.2, beta=30):
    # 使用convertScaleAbs函数进行灰度图像的增强
    enhanced_image = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)
    # 返回增强后的图像
    return enhanced_image

其中，函数的参数为：

- `image`：需要进行增强的灰度图像；
- `alpha`：调整对比度的参数，默认值为1.2；
- `beta`：调整亮度的参数，默认值为30。

函数先使用convertScaleAbs函数对输入的灰度图像进行增强，然后返回增强后的图像。

convertScaleAbs函数的作用是将像素值进行缩放和平移，从而调整图像的对比度和亮度。具体来说，对于像素值为$x$的像素，函数将其转换为：

$y = \alpha x + \beta$

其中，$\alpha$和$\beta$分别为函数的两个参数。这个公式同时对于灰度图像和彩色图像都适用，但需要注意的是，彩色图像需要分别对三个通道进行增强。

总的来说，这段代码实现了简单的灰度图像增强，可以根据实际需求调整参数来得到更好的效果。

请帮我写一段二维码矫正的代码，要求如下：1.对比度亮度调整；2.滤波降噪3.反二值化4.腐蚀膨胀处理5.Canny边缘检测6.Hough算子拟合直线7.计算二维码四个顶点坐标8.利用顶点坐标进行仿射变换

好的，以下是代码：

import cv2

# 读入图片
img = cv2.imread('qrcode.jpg', cv2.IMREAD_GRAYSCALE)

# 对比度、亮度调整
img = cv2.convertScaleAbs(img, alpha=1.2, beta=10)

# 滤波降噪
img = cv2.GaussianBlur(img, (3, 3), 0)

# 反二值化
img = cv2.threshold(img, 0, 255, cv2.THRESH_BINARY_INV + cv2.THRESH_OTSU)[1]

# 腐蚀膨胀处理
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

# Canny边缘检测
edges = cv2.Canny(img, 100, 200)

# Hough算子拟合直线
lines = cv2.HoughLinesP(edges, 1, cv2.cv.CV_PI / 180, 50, minLineLength=50, maxLineGap=10)

# 计算二维码四个顶点坐标
x1, x2, y1, y2 = 0, 0, 0, 0
for line in lines:
    x1, y1, x2, y2 = line[0]
    k = abs(y2 - y1) / abs(x2 - x1)
    if k > 0.5:
        break
x1, x2, y1, y2 = min(x1, x2), max(x1, x2), min(y1, y2), max(y1, y2)
p1 = (x1, y1)
p2 = (x2, y1)
p3 = (x2, y2)
p4 = (x1, y2)

# 利用顶点坐标进行仿射变换
pts1 = [p1, p2, p3, p4]
pts2 = [(100, 100), (300, 100), (300, 300), (100, 300)]
M = cv2.getPerspectiveTransform(pts1, pts2)
img = cv2.warpPerspective(img, M, (400, 400))

# 显示结果图片
cv2.imshow('result', img)
cv2.waitKey(0)