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

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;

然后，用 imread 载入图像，并将其存入一个Mat对象：

Mat image = imread( argv[1] );

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。

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。

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：