目標(biāo)

在本教程中, 你將學(xué)習(xí)到以下內(nèi)容:

訪問像素值;

用零初始化矩陣;

學(xué)習(xí)CV :: saturate_cast的作用及其有用的原因;

學(xué)習(xí)有關(guān)像素變換的很酷的知識(shí);

提高圖像亮度的實(shí)例。

理論

注

下述解釋援引自理查德·斯?jié)衫够?Richard Szeliski)的<<計(jì)算機(jī)視覺算法和應(yīng)用>>一書。 

圖像處理

常用的圖像處理操作是一個(gè)函數(shù)，它將一個(gè)或多個(gè)圖像作為輸入并生成輸出圖像。

圖像變可被視為：

點(diǎn)運(yùn)算符（像素變換）;

鄰近（基于區(qū)域的）運(yùn)算符。

像素變換

在圖像處理中, 每個(gè)輸出像素的值僅取決于相應(yīng)的輸入像素值（可能還包括一些全局收集的信息或參數(shù)）;

此類操作實(shí)例包括亮度調(diào)整、對(duì)比度調(diào)整以及顏色的校正和轉(zhuǎn)換。

亮度和對(duì)比度調(diào)整

兩種常用對(duì)比度調(diào)整的方法是將像素值乘以或加上一個(gè)常數(shù)：

參數(shù)α > 0和β通常稱為增益參數(shù)和偏置參數(shù),通過這兩個(gè)參數(shù)分別來(lái)控制對(duì)比度和亮度。

F （ X ）為源圖像的像素,G （ X ）為輸出圖像的像素。可以方便地寫出以下表達(dá)式：

其中i和j表示位于第i行，第j列的像素。

代碼

C ++  

（Java 版本請(qǐng)?jiān)L問：

https://github.com/opencv/opencv/blob/master/samples/java/tutorial_code/ImgProc/changing_contrast_brightness_image/BasicLinearTransformsDemo.java

Python 版本請(qǐng)?jiān)L問：

https://github.com/opencv/opencv/blob/master/samples/python/tutorial_code/imgProc/changing_contrast_brightness_image/BasicLinearTransforms.py）

原文可下載源代碼（地址在文末）

下面的代碼執(zhí)行g(shù)(i,j)=α?f(i,j)+β操作

代碼詳解

C ++  

使用CV :: imread加載圖像并將其保存到Mat對(duì)象中：

接下來(lái)，對(duì)該圖像做一些轉(zhuǎn)換，為此需要?jiǎng)?chuàng)建一個(gè)新的Mat對(duì)象來(lái)存放它。此外，我們希望它具備以下特征：

初始像素值為零;

與原始圖像相同的尺寸和數(shù)據(jù)類型。

cv::Mat::zeros返回一個(gè)基于image.size()和image.type() 的Matlab格式的零初始化值。

我們現(xiàn)在要求用戶輸入α和β值：

為了執(zhí)行g(shù)(i,j)=α?f(i,j)+β操作，我們必須訪問圖像的每個(gè)像素。由于是對(duì)BGR圖像進(jìn)行操作，所以每個(gè)像素包含（B，G和R）三個(gè)值，我們必須分別訪問它們。具體代碼如下：

注意（只適用于C ++代碼）：

我們利用 image.at<Vec3b>(y,x)[c]來(lái)訪問圖像的各個(gè)像素，其中?是行號(hào)， X是列號(hào)，C是B，G或R（0，1或2）；

由于α?p(i,j)+β 操作的值可能溢出或?yàn)榉钦麛?shù)（如α是浮點(diǎn)數(shù)），我們用CV :: saturate_cast來(lái)確保該值的有效性；

最后，我們用以下方式創(chuàng)建窗口并顯示圖像。

注

我們利用以下簡(jiǎn)單的命令來(lái)取代for循環(huán)來(lái)訪問圖像的每個(gè)像素：

cv::Mat::convertTo將執(zhí)行*new_image = a*image + beta*操作.。但是，我們想向你展示如何訪問每個(gè)像素。在任何情況下，這兩種方法都給出相同的結(jié)果，但 convertTo 更加優(yōu)化并且工作速度更快。

結(jié)果

我們不運(yùn)行代碼，設(shè)置α = 2.2和β = 50。

實(shí)例

在本小節(jié)中，我們將以前學(xué)到的技巧付諸實(shí)戰(zhàn)，通過調(diào)整圖像的亮度和對(duì)比度來(lái)校正曝光不足的圖片。同時(shí),學(xué)習(xí)利用伽瑪校正(gamma correction)技術(shù)來(lái)校正圖像的亮度。

圖像亮度和對(duì)比度調(diào)整

增大（或減?。?β值將加大（/減小）各個(gè)像素的對(duì)比度。像素值超出 [0; 255]范圍之外的值將會(huì)飽和（即:大于255,或小于0的像素值將鉗位到255或 0）。

原始圖像的淺灰色直方圖中，深灰色亮度= 80 GIMP

直方圖表示該色彩像素中每種色彩的數(shù)目。深色圖像的像素值將大于淺色圖像的像素值，因此直方圖的左半部分會(huì)出現(xiàn)一個(gè)峰值。當(dāng)添加一個(gè)恒定的偏差之后，整個(gè)直方圖右移，為所有的像素增加了一個(gè)恒定的偏置。

修改參數(shù)α將修改水平軸的展幅,如果α <1中，色彩值將被壓縮，其結(jié)果是圖像的對(duì)比度降低。

原圖像的淺灰色直方圖中，深灰色時(shí), 對(duì)比度GIMP <0

注意，利用對(duì)比度/亮度工具Gimp獲得的上述柱狀圖，亮度工具的偏置參數(shù)β應(yīng)該與之相同，但對(duì)比度工具的增益參數(shù)α是不同的（可以從前面的直方圖中看出）。

調(diào)整偏置參數(shù)β可以提高亮度，但同時(shí)，圖像的對(duì)比度會(huì)下降,圖像上似乎會(huì)蒙上一層輕微的面紗。調(diào)整增益α增益可緩釋這種效果，但是由于出現(xiàn)飽和，圖像將失去原有明亮區(qū)域的一些細(xì)節(jié)。

伽瑪校正

伽瑪校正利用輸入值和輸出映射值之間的非線性變換，校正圖像的亮度：

由于這種關(guān)系是非線性的，其效果不會(huì)影響所有的像素，最終輸出將取決于像素的原始值。

打印出不同的伽瑪值(gamma)

當(dāng)γ <1時(shí),，原始圖像的暗區(qū)將變得更加明亮，整個(gè)直方圖將右移;當(dāng)γ > 1時(shí), 原始圖像的亮區(qū)將變得更暗，整個(gè)直方圖將左移。

糾正曝光不足的圖像

我們?cè)O(shè)置α = 1.3和β = 40修正下面的圖像。

圖: Visem的作品 [CC BY-SA 3.0]，來(lái)源:維基共享資源

圖像的整體亮度得到了改善，但可以看出: 由于色彩的像素?cái)?shù)值飽和，圖中云彩已經(jīng)飽和（攝影高光修剪）。

我們用γ=0.4修正下面的圖像。

圖: Visem的作品 [CC BY-SA 3.0]，來(lái)源:維基共享資源

由于映射是非線性的，伽馬校正添加了少量的飽和效應(yīng)，并且不存在前面所述方法的數(shù)值飽問題。

左邊：α，β校正后的直方圖;中間：原始圖像的直方圖;右邊：伽馬校正后的直方圖

上圖比較了三幅圖像（三個(gè)直方圖的y值不相同）的直方圖。從中可以發(fā)現(xiàn)，大部分的像素值都在原始圖像直方圖的下部。α ， β修正后，由于圖像出現(xiàn)飽和，在255 處可以觀察到一個(gè)峰值，整個(gè)直方圖右移。伽瑪校正后，直方圖右移，圖像暗區(qū)域中的像素移動(dòng)的位移比在明亮區(qū)域像素移動(dòng)的位移更大（見伽瑪曲線圖）。

在本教程中，描述了兩種調(diào)整圖像對(duì)比度和亮度簡(jiǎn)單的方法。它們只是基本技術(shù)，不能用作光柵圖形編輯器的替代品！

代碼

C ++  

教程的源代碼請(qǐng)?jiān)L問原文（地址在文末）

伽馬校正的源代碼Code:

在這里，由于一次只需要計(jì)算256 個(gè)數(shù)值，利用查找表來(lái)提高計(jì)算性能。

更多資源

圖形渲染中的伽瑪校正

CRT監(jiān)視器的伽瑪校正和圖像顯示

數(shù)字曝光技術(shù)

注：本文以C++語(yǔ)言代碼為例，獲取Java和python版本可在原文中查看：

https://docs.opencv.org/4.5.2/d3/dc1/tutorial_basic_linear_transform.html