使用线性变换改变图像的亮度/对比度

敞开生长之旅！这是我参加「日新计划 12 月更文挑战」的第8天，点击检查活动概况

前语

对比度、亮度增强技术是两种非常常见技术，这些技术是在许多图画处理使命(例如，图画分类)中运用预处理过程。在本节中，咱们将学习如何运用 OpenCV 库来修正图画的对比度和亮度。

运用线性变换改动图画的亮度/对比度

乘法和加法是两种常用的图画操作运算，运用这两种运算能够组成根本线性变换：$g(x)=f(x)+$，其间常数参数 $>0$ 和 一般分别称为对比度(增益)和亮度(偏置)参数。能够将 $f(x)$ 视为源图画像素，而 $g(x)$ 则是输出图画像素，因而，咱们能够将表达式改写为 $g(i,j)=\cdot f(i,j)+$，其间 $i$ 和 $j$ 表明像素位于第 $i$ 行和第 $j$ 列中。在本节中，咱们将学习如何运用 OpenCV 的 convertscaleabs() 完成根本线性变换，并调查其对图画的影响，该函数用法如下：

cv2.convertScaleAbs(src, alpha, beta)

在输入图画的每个通道上，该函数次序执行三个操作，缩放，核算绝对值，转化为无符号的 8 位类型(对于输入图画 $src$，返回的输出图画是 $src\ast alpha+beta$)。

幂转化也称为 gamma 校对，当 $>1$ 时图画将转移到频谱的黑色端，而在 $<1$ 时会使图画显得偏淡，运用 LUT() 函数能够将图画的查找表更改为具有幂转化的新图画，该用法函数如下：

cv2.LUT(src, lut)

首先导入所需的库和函数，并加载输出图画，然后运用 OpenCV 函数界说函数 basic_linear_transform() 和 gamma_correction() 分别完成对比度修正和伽马校对：

import cv2
import numpy as np
import matplotlib.pylab as plt
alpha, beta, gamma = 1, 0, 1
def basic_linear_transform(img, alpha, beta):
return cv2.convertScaleAbs(img, alpha=alpha, beta=beta)
def gamma_correction(img, gamma):
lookup_table = np.empty((1,256), np.uint8)
for i in range(256):
lookup_table[0,i] = np.clip(pow(i / 255.0, gamma) * 255.0, 0, 255)
return cv2.LUT(img, lookup_table)
image = cv2.imread('1.png')

用不同的 alpha 和 gamma 值调用函数 basic_linear_transform() 以改动输入图画的亮度，并绘制输出图画：

plt.figure(figsize=(20,20))
i = 1
for alpha in [0.25, 0.5, 1, 1.5, 2.5]:
for beta in [0, 0.5, 1, 1.5, 2]:
image_corrected = basic_linear_transform(image, alpha, beta)
plt.subplot(5,5,i), plt.imshow(cv2.cvtColor(image_corrected, cv2.COLOR_BGR2RGB)), plt.axis('off')
plt.title(r'$\alpha$={:.2f}, $\beta$={:.2f}'.format(alpha, beta), size=10)
i += 1
plt.suptitle('Basic linear transform to change brightness', size=20)
plt.show()

用不同的 gamma 参数值调用函数 gamma_correction()，并绘制输出图画：

plt.figure(figsize=(20,20))
i = 1
for gamma in np.linspace(0, 2, 16):
image_gamma_corrected = gamma_correction(image, gamma)
plt.subplot(4,4,i), plt.imshow(cv2.cvtColor(image_gamma_corrected, cv2.COLOR_BGR2RGB)), plt.axis('off')
plt.title(r'$\gamma$={:.2f}'.format(gamma), size=10)
i += 1
plt.suptitle('Gamma correction', size=20)
plt.show()