一、理论基础
在数学中我们学过线性理论，在图像亮度和对比度调节中同样适用，看下面这个公式：
在图像像素中其中：
- 参数f(x)表示源图像像素。
- 参数g(x) 表示输出图像像素。
- 参数a（需要满足a>0）被称为增益（gain），常常被用来控制图像的对比度。
- 参数b通常被称为偏置（bias），常常被用来控制图像的亮度。
二、获取图像像素
在opencv中图像数据是存放在Mat数据类型中，我们知道一个像素有rgb构成，所以Mat是个三维数组，一下就是简单的获取mat中图像像素。
//三个for循环，执行运算 new_image(i,j) =a*image(i,j) + b for(int y = 0; y < image.rows; y++ ) { for(int x = 0; x < image.cols; x++ ) { for(int c = 0; c < 3; c++ ) { new_image.at(y,x)[c]= saturate_cast ( (g_nContrastValue*0.01)*(image.at (y,x)[c] ) + g_nBrightValue ); } } }
上述代码中image.at
saturate_cast为了安全转换，运算结果可能超出像素取值范围（溢出），还可能是非整数（如果是浮点数的话），用saturate_cast对结果进行转换，以确保它为有效值。
效果图：
三、实例
#include#include #include "opencv2/imgproc/imgproc.hpp" using namespace std; using namespace cv; static void ContrastAndBright(int, void *); int g_nContrastValue; //对比度值 int g_nBrightValue; //亮度值 Mat g_srcImage, g_dstImage; int main() { // 读入用户提供的图像 g_srcImage = imread("0004.bmp"); g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type()); //设定对比度和亮度的初值 g_nContrastValue = 80; g_nBrightValue = 80; //创建窗口 namedWindow("【效果图窗口】", 1); //创建轨迹条 createTrackbar("对比度：", "【效果图窗口】", &g_nContrastValue, 300, ContrastAndBright); createTrackbar("亮 度：", "【效果图窗口】", &g_nBrightValue, 200, ContrastAndBright); //调用回调函数 ContrastAndBright(g_nContrastValue, 0); ContrastAndBright(g_nBrightValue, 0); waitKey(0); //输出一些帮助信息 return 0; } //-----------------------------【ContrastAndBright( )函数】------------------------------------ // 描述：改变图像对比度和亮度值的回调函数 //----------------------------------------------------------------------------------------------- static void ContrastAndBright(int, void *) { // 三个for循环，执行运算 g_dstImage(i,j) = a*g_srcImage(i,j) + b for (int y = 0; y < g_srcImage.rows; y++) { for (int x = 0; x < g_srcImage.cols; x++) { for (int c = 0; c < 3; c++) { g_dstImage.at (y, x)[c] = saturate_cast ((g_nContrastValue*0.01)*(g_srcImage.at (y, x)[c]) + g_nBrightValue); } } } // 显示图像 imshow("【原始图窗口】", g_srcImage); imshow("【效果图窗口】", g_dstImage); }
注意：
saturate_cast：
功能：防止数据溢出，因为无论是加是减，乘除，都会超出一个像素灰度值的范围（0～255）。所以，所以当运算完之后，结果为负，则转为0，结果超出255，则为255。
四、改进
这样已经完成了更改亮度和对比度的需求，但是用for循环执行效率有点低，图像处理起来也不是特别流畅，opencv给出了非常合适的函数。
函数原型
void Mat::convertTo( Mat& m, int rtype, double alpha=1, double beta=0 )const;
输入参数：
m 目标矩阵。如果m的大小与原矩阵不一样，或者数据类型与参数不匹配，那么在函数convertTo内部会先给m重新分配空间。
rtype 指定从原矩阵进行转换后的数据类型，即目标矩阵m的数据类型。当然，矩阵m的通道数应该与原矩阵一样的。如果rtype是负数，那么m矩阵的数据类型应该与原矩阵一样。
alpha 缩放因子。默认值是1。即把原矩阵中的每一个元素都乘以alpha。
beta 增量。默认值是0。即把原矩阵中的每一个元素都乘以alpha，再加上beta。
功能
把一个矩阵从一种数据类型转换到另一种数据类型，同时可以带上缩放因子和增量，公式如下：
m(x,y)=saturate_cast(alpha*(*this)(x,y)+beta);
由于有数据类型的转换，所以需要用saturate_cast来处理数据的溢出。
所以上述代码可以写为，通过简单拉动进度条可以看出这个速度上提升比较大
#include#include #include "opencv2/imgproc/imgproc.hpp" using namespace std; using namespace cv; static void ContrastAndBright(int, void *); int g_nContrastValue; //对比度值 int g_nBrightValue; //亮度值 Mat g_srcImage, g_dstImage; int main() { // 读入用户提供的图像 g_srcImage = imread("0004.bmp"); g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type()); //设定对比度和亮度的初值 g_nContrastValue = 80; g_nBrightValue = 80; //创建窗口 namedWindow("【效果图窗口】", 1); //创建轨迹条 createTrackbar("对比度：", "【效果图窗口】", &g_nContrastValue, 300, ContrastAndBright); createTrackbar("亮 度：", "【效果图窗口】", &g_nBrightValue, 200, ContrastAndBright); //调用回调函数 ContrastAndBright(g_nContrastValue, 0); ContrastAndBright(g_nBrightValue, 0); waitKey(0); //输出一些帮助信息 return 0; } //-----------------------------【ContrastAndBright( )函数】------------------------------------ // 描述：改变图像对比度和亮度值的回调函数 //----------------------------------------------------------------------------------------------- static void ContrastAndBright(int, void *) { // 三个for循环，执行运算 g_dstImage(i,j) = a*g_srcImage(i,j) + b //for (int y = 0; y < g_srcImage.rows; y++) //{ // for (int x = 0; x < g_srcImage.cols; x++) // { // for (int c = 0; c < 3; c++) // { // g_dstImage.at (y, x)[c] = saturate_cast // } // } //} g_srcImage.convertTo(g_dstImage, -1, g_nContrastValue*0.01, g_nBrightValue); // 显示图像 imshow("【原始图窗口】", g_srcImage); imshow("【效果图窗口】", g_dstImage); }((g_nContrastValue*0.01)*(g_srcImage.at (y, x)[c]) + g_nBrightValue);