改变图像的对比度和亮度

目的

本篇教程中，你将学到：

• 访问像素值
• 用0初始化矩阵
• saturate_cast 是做什么用的，以及它为什么有用
• 一些有关像素变换的精彩内容

原理

Note

 

以下解释节选自Richard Szeliski所著 Computer Vision: Algorithms and Applications

图像处理

• 一般来说，图像处理算子是带有一幅或多幅输入图像、产生一幅输出图像的函数。
• 图像变换可分为以下两种：
  • 点算子（像素变换）
  • 邻域（基于区域的）算子

像素变换

• 在这一类图像处理变换中，仅仅根据输入像素值（有时可加上某些全局信息或参数）计算相应的输出像素值。
• 这类算子包括 亮度和对比度调整 ，以及颜色校正和变换。

亮度和对比度调整

• 两种常用的点过程（即点算子），是用常数对点进行 乘法 和 加法 运算：

  

• 两个参数  和  一般称作 增益 和 偏置 参数。我们往往用这两个参数来分别控制 对比度 和 亮度 。

• 你可以把  看成源图像像素，把  看成输出图像像素。这样一来，上面的式子就能写得更清楚些：

  

  其中，  和  表示像素位于 第i行 和 第j列 。

代码

• 下列代码执行运算  ：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;

double alpha; /**< 控制对比度 */
int beta;  /**< 控制亮度 */

int main( int argc, char** argv )
{
    /// 读入用户提供的图像
    Mat image = imread( argv[1] );
    Mat new_image = Mat::zeros( image.size(), image.type() );

    /// 初始化
    cout << " Basic Linear Transforms " << endl;
    cout << "-------------------------" << endl;
    cout << "* Enter the alpha value [1.0-3.0]: ";
    cin >> alpha;
    cout << "* Enter the beta value [0-100]: ";
    cin >> beta;

    /// 执行运算 new_image(i,j) = alpha*image(i,j) + beta
    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<Vec3b>(y,x)[c] = saturate_cast<uchar>( alpha*( image.at<Vec3b>(y,x)[c] ) + beta );      

                //at()函数为模板函数，需要指明模板数据类型
            }
        }
    }

    /// 创建窗口
    namedWindow("Original Image", 1);
    namedWindow("New Image", 1);

    /// 显示图像
    imshow("Original Image", image);
    imshow("New Image", new_image);

    /// 等待用户按键
    waitKey();
    return 0;
}

说明

1. 一上来，我们要建立两个变量，以存储用户输入的  和  ：

   double alpha;
   int beta;
   

2. 然后，用 imread 载入图像，并将其存入一个Mat对象：

   Mat image = imread( argv[1] );
   

3. 此时，因为要对图像进行一些变换，所以我们需要一个新的Mat对象，以存储变换后的图像。我们希望这个Mat对象拥有下面的性质：

   • 像素值初始化为0
   • 与原图像有相同的大小和类型

   Mat new_image = Mat::zeros( image.size(), image.type() );
   

   注意到， Mat::zeros 采用Matlab风格的初始化方式，用 image.size() 和 image.type() 来对Mat对象进行0初始化。

4. 现在，为了执行运算  ，我们要访问图像的每一个像素。因为是对RGB图像进行运算，每个像素有三个值（R、G、B），所以我们要分别访问它们。下面是访问像素的代码片段：

   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<Vec3b>(y,x)[c] = saturate_cast<uchar>( alpha*( image.at<Vec3b>(y,x)[c] ) + beta );
           }
       }
   }
   

   注意以下两点：

   • 为了访问图像的每一个像素，我们使用这一语法： image.at<Vec3b>(y,x)[c] 其中， y 是像素所在的行， x 是像素所在的列， c 是R、G、B（0、1、2）之一。
   • 因为  的运算结果可能超出像素取值范围，还可能是非整数（如果  是浮点数的话），所以我们要用 saturate_cast 对结果进行转换，以确保它为有效值。

5. 最后，用传统方法创建窗口并显示图像。

   namedWindow("Original Image", 1);
   namedWindow("New Image", 1);
   
   imshow("Original Image", image);
   imshow("New Image", new_image);
   
   waitKey(0);
   

Note

 

我们可以不用 for 循环来访问每个像素，而是直接采用下面这个命令：

image.convertTo(new_image, -1, alpha, beta);

这里的 convertTo 将执行我们想做的 new_image = a*image + beta 。然而，我们想展现访问每一个像素的过程，所以选用了for循环的方式。实际上，这两种方式都能返回同样的结果。

结果

• 运行代码，取参数  和 

  $ ./BasicLinearTransforms lena.jpg
  Basic Linear Transforms
  -------------------------
  * Enter the alpha value [1.0-3.0]: 2.2
  * Enter the beta value [0-100]: 50
  

• 我们将得到下面的结果：