#对比度调节函数 def img_contrast_bright(img,a,b,g): h,w,c = img.shape blank = np.zeros([h,w,c],img.dtype) dst = cv.addWeighted(img, a,blank,b,g) return dst

这个函数可以用来调节图像的对比度和亮度。其中，a是对比度系数，b是亮度加成值，g是gamma校正系数。对于函数中的addWeighted操作，它会对原始图像进行线性变换，将图像中每个像素的值进行如下计算：

dst(x,y) = a * src(x,y) + b

其中，src(x,y)是原始图像中像素点(x,y)的值，dst(x,y)是变换后图像中像素点(x,y)的值。

通过调节a,b,g的值，可以实现对图像的不同程度的对比度和亮度调节。如果a>1，则增强图像的对比度，如果a<1，则降低图像的对比度。如果b>0，则增加图像的亮度，如果b<0，则减小图像的亮度。如果g>1，则增强图像的暗部细节，如果g<1，则增强图像的亮部细节。

相关问题

alpha = 1.5 # 对比度beta = 50 # 亮度img_contrast = cv2.convertScaleAbs(img, alpha=alpha, beta=beta)

这段代码使用了 `cv2.convertScaleAbs()` 函数来调整图像的亮度和对比度。其中，`alpha` 表示对比度的缩放系数，`beta` 表示亮度的增加量。这个函数的作用是将输入图像中的像素值线性变换，使其按照下面的公式进行缩放和平移：

dst(i, j) = cv::saturate_cast<uchar>(alpha * src(i, j) + beta)

其中，`src(i, j)` 表示输入图像中第 `(i, j)` 个像素的值，`dst(i, j)` 表示输出图像中第 `(i, j)` 个像素的值，`cv::saturate_cast<uchar>` 表示将结果转换为 8 位无符号整数，以避免像素值超出 0~255 的范围。

通过调整 `alpha` 和 `beta` 的值，可以实现不同程度的对比度和亮度调整。例如，设置 `alpha=2.0` 和 `beta=30` 可以使图像更加明亮和对比。

def image_to_array_1dim(img,w,h): img_r,img_g,img_b = img.split() # print("img.size:",img.size) #416*416 #如果转换成numpy数组，可以用shape。np.arrary(img) image_array_r = np.array(img_r,dtype='float32')/255 # 将RGB归一化 image_array_g = np.array(img_g,dtype='float32')/255 image_array_b = np.array(img_b,dtype= 'float32')/255 # print("image_array_r.shape:",image_array_r.shape) # (416, 416) image_array_r = image_array_r.reshape(w*h,) # reshape至一维 image_array_g = image_array_g.reshape(w*h,) image_array_b = image_array_b.reshape(w*h,) # print("image_array_r.shape:",image_array_r.shape) # (173056,) img_array_3 = [image_array_r,image_array_g,image_array_b] # 合并成三维，再reshape至一维 img_array_3 = np.array(img_array_3) img_array_3 = img_array_3.reshape(3*w*h,)

这段代码中，首先使用PIL库中的split()函数将图像拆分为R、G、B三个通道的图像。接着将每个通道的图像转换为numpy数组，并将像素值归一化到0到1之间。然后，将每个通道的数组reshape为一维数组，最后将三个通道的数组合并成一个三维数组，并将其reshape为一维数组。最终返回的就是一个一维的numpy数组。