本文共 6532 字，大约阅读时间需要 21 分钟。

图像亮度和对比度的调整与分析

前言

图像的亮度和对比度调整是图像处理领域中的核心操作之一。理解这些基本概念并掌握相应的技术能够帮助开发者在图像处理任务中取得更好的效果。本文将详细介绍图像亮度和对比度的基本概念，RGB三通道色彩空间的图像变换方法，以及如何通过OpenCV库对图像进行亮度和对比度的调整。

图像亮度和对比度的基本概念

1. 图像亮度

图像亮度是衡量图像明亮程度的关键指标。对于灰度图像，亮度与灰度值直接相关，灰度值越高，图像越亮。灰度值的范围通常在【0，255】之间，0代表完全黑色，255代表完全白色。

亮度不仅仅是图像的整体明亮程度，还与人眼对光照的感知有关。亮度的测量单位是堪德拉每平米（cd/m²），也称为nits。

2. 图像对比度

图像对比度是指图像中明暗区域之间的亮度差异。对比度越高，图像的阴影和亮区越分明，色彩表现越丰富。通常，对比度的测量单位是亮度比值（例如120:1或300:1），这决定了图像能够支持的颜色层次。

好的对比率能够让图像呈现出生动的色彩，而高对比率则支持更多的颜色层次。

RGB三通道色彩空间的图像变换

在图像处理中，RGB三通道色彩空间是最常用的表示方法。通过对RGB三通道进行线性变换，可以实现亮度和对比度的调整。

1. 线性变换公式

线性变换的核心公式为： [ I'(x, y) = a \cdot I(x, y) + b ] 其中：

• ( I'(x, y) ) 是变换后的像素值
• ( I(x, y) ) 是原始像素值
• ( a ) 是对比度调整系数
• ( b ) 是亮度调整值

常见变换：

需要注意的是，OpenCV默认处理的是BGR色彩空间而非RGB，因此在实际应用中需要根据具体需求调整参数。

2. 操作简介

在OpenCV中，图像变换可以通过两种方式实现：

• 领域操作：通过当前像素邻域计算新的像素值
• 点操作：对图像中每个像素点进行操作

图像亮度调整

通过OpenCV库，可以通过以下代码实现亮度调整：

#include 
   
    
#include 
    
     
using namespace std;
using namespace cv;
int main() {
    Mat src, dst;
    src = imread("D:\\Myfile\\素材照片\\opencv素材照片\\8.jpg");
    if (!src.data) {
        cout << "could not load image..." << endl;
        return 0;
    }
    namedWindow("input_image", WINDOW_AUTOSIZE);
    imshow("input_image", src);
    int height = src.rows;
    int width = src.cols;
    float beta = 30; // 亮度调整参数
    dst = Mat::zeros(src.size(), src.type());
    for (int row = 0; row < height; row++) {
        for (int col = 0; col < width; col++) {
            if (src.channels() == 3) {
                Vec3b pixel = src.at
     
      (row, col);
                Vec3b new_pixel;
                new_pixel[0] = saturate_cast
      
       (pixel[0] + beta);
                new_pixel[1] = saturate_cast
       
        (pixel[1] + beta);
                new_pixel[2] = saturate_cast
        
         (pixel[2] + beta); dst.at
         
          (row, col) = new_pixel; } else if (src.channels() == 1) { uchar value = src.at
          
           (row, col); dst.at
           
            (row, col) = saturate_cast
            
             (value + beta); } } } namedWindow("output_image", WINDOW_AUTOSIZE); imshow("output_image", dst); waitKey(0); return 0; }
            
           
          
         
        
       
      
     
    
   

运行结果

调整后的图像显示亮度增加，色彩更加丰富。通过调整 beta 参数，可以根据需求控制亮度变化的幅度。

图像对比度调整

通过调整对比度，可以显著提升图像的色彩表现。以下是对比度调整的代码示例：

#include 
   
    
#include 
    
     
using namespace std;
using namespace cv;
int main() {
    Mat src, dst;
    src = imread("D:\\Myfile\\素材照片\\opencv素材照片\\8.jpg");
    if (!src.data) {
        cout << "could not load image..." << endl;
        return 0;
    }
    namedWindow("input_image", WINDOW_AUTOSIZE);
    imshow("input_image", src);
    int height = src.rows;
    int width = src.cols;
    float alpha = 1.5; // 对比度调整参数
    dst = Mat::zeros(src.size(), src.type());
    for (int row = 0; row < height; row++) {
        for (int col = 0; col < width; col++) {
            if (src.channels() == 3) {
                Vec3b pixel = src.at
     
      (row, col);
                Vec3b new_pixel;
                new_pixel[0] = saturate_cast
      
       (pixel[0] * alpha);
                new_pixel[1] = saturate_cast
       
        (pixel[1] * alpha);
                new_pixel[2] = saturate_cast
        
         (pixel[2] * alpha); dst.at
         
          (row, col) = new_pixel; } else if (src.channels() == 1) { uchar value = src.at
          
           (row, col); dst.at
           
            (row, col) = saturate_cast
            
             (value * alpha); } } } namedWindow("output_image", WINDOW_AUTOSIZE); imshow("output_image", dst); waitKey(0); return 0; }
            
           
          
         
        
       
      
     
    
   

运行结果

调整后的图像对比度显著增加，色彩层次更加丰富。通过调整 alpha 参数，可以根据需求控制对比度的变化程度。

三通道图像转换为单通道图像

在某些情况下，可能需要将三通道图像转换为单通道图像（灰度图像）。可以通过以下两种方式实现：

1. 使用 imread 方法

src = imread("D:\\Myfile\\素材照片\\opencv素材照片\\8.jpg", IMREAD_GRAYSCALE);

2. 使用 cvtColor 方法

cvtColor(src, src, COLOR_BGR2GRAY);

图像亮度与对比度同时调整

要同时调整图像的亮度和对比度，可以通过以下代码实现：

#include 
   
    
#include 
    
     
using namespace std;
using namespace cv;
int main() {
    Mat src, dst;
    src = imread("D:\\Myfile\\素材照片\\opencv素材照片\\8.jpg");
    // 读取单通道图像
    src = imread("D:\\Myfile\\素材照片\\opencv素材照片\\8.jpg", IMREAD_GRAYSCALE);
    if (!src.data) {
        cout << "could not load image..." << endl;
        return 0;
    }
    namedWindow("input_image", WINDOW_AUTOSIZE);
    imshow("input_image", src);
    int height = src.rows;
    int width = src.cols;
    float alpha = 1.3; // 对比度调整参数
    float beta = 30;  // 亮度调整参数
    dst = Mat::zeros(src.size(), src.type());
    for (int row = 0; row < height; row++) {
        for (int col = 0; col < width; col++) {
            if (src.channels() == 3) {
                Vec3b pixel = src.at
     
      (row, col);
                Vec3b new_pixel;
                new_pixel[0] = saturate_cast
      
       (pixel[0] * alpha + beta);
                new_pixel[1] = saturate_cast
       
        (pixel[1] * alpha + beta);
                new_pixel[2] = saturate_cast
        
         (pixel[2] * alpha + beta); dst.at
         
          (row, col) = new_pixel; } else if (src.channels() == 1) { uchar value = src.at
          
           (row, col); dst.at
           
            (row, col) = saturate_cast
            
             (value * alpha + beta); } } } namedWindow("output_image", WINDOW_AUTOSIZE); imshow("output_image", dst); waitKey(0); return 0; }
            
           
          
         
        
       
      
     
    
   

运行结果

调整后的图像既增加了亮度，又提升了对比度，色彩表现更加丰富。

获取图片亮度值

通过计算图像的亮度值，可以评估图像整体的亮度。对于三通道图像，亮度计算公式为： [ Y = 0.299 \cdot R + 0.587 \cdot G + 0.114 \cdot B ]

对于单通道图像，亮度值直接与灰度值相关。

以下是获取亮度值的代码示例：

#include 
   
    
#include 
    
     
using namespace std;
using namespace cv;
int main() {
    Mat src;
    src = imread("D:\\Myfile\\素材照片\\opencv素材照片\\8.jpg", IMREAD_GRAYSCALE);
    if (!src.data) {
        cout << "could not load image..." << endl;
        return 0;
    }
    namedWindow("input_image", WINDOW_AUTOSIZE);
    imshow("input_image", src);
    int height = src.rows;
    int width = src.cols;
    int channel = src.channels();
    int sum = 0;
    for (int row = 0; row < height; row++) {
        for (int col = 0; col < width; col++) {
            if (channel == 3) {
                int r = src.at
     
      (row, col)[2];
                int g = src.at
      
       (row, col)[1];
                int b = src.at
       
        (row, col)[0];
                sum += (r + g + b) * 0.1;
            } else {
                int value = src.at
        
         (row, col); sum += value * 0.1; } } } if (channel == 3) { cout << "三通道图像的平均亮度是：" << sum << endl; } else { cout << "单通道图像的平均亮度是：" << sum / width / height << endl; } waitKey(0); return 0; }
        
       
      
     
    
   

运行结果

程序会输出三通道和单通道图像的平均亮度值，帮助用户了解图像的亮度分布。

总结

图像的亮度和对比度调整是图像处理中的基础操作。通过掌握这些技术，可以更好地控制图像的整体质量和色彩表现。在实际应用中，需要根据具体需求选择合适的参数，并通过测试不断优化效果。希望本文的内容能够为您提供有价值的参考。