基于python的图像亮度自适应调整（根据输入影像的亮度调整输出）

文章主要目的是分享一种自动调节图像亮度的方法，在这篇文章内，你能了解到以下内容：

图像的灰度直方图 图像的亮度调整

一张图像一般由RGB三个通道（红色、绿色、蓝色三个部分）组成。单独对某个通道而言，把一幅图像中每一个像素出现的次数都统计出来，然后把每一个像素出现的次数除以总的像素个数，得到的就是这个像素出现的频率，然后再把该像素出现的频率用图表示出来，就构成了灰度直方图。

图像直方图由于其计算代价较小，且具有图像平移、旋转、缩放不变性等众多优点，广泛地应用于图像处理的各个领域，特别是灰度图像的阈值分割、基于颜色的图像检索以及图像分类。本文所述的图像亮度自适应调整方法就依赖于图像直方图的概念。

用等会儿我们即将做亮度自适应增强的例子展示直方图效果： 注：上述影像并非存黑色，为了展示，找了一张亮度较低的卫星影像做实例。直方图中的红绿蓝色线条分别代表rgb三个通道的灰度直方图。

可以看到，三个通道的像素值大多分布在0到20之间，所以图像呈现极暗。图像的亮度也是与像素值挂钩，像素值越大，则一般而言，影像会越亮，那是不是对每个像素值加一定值就可以调整亮度呢？

答案是否定的，若直接将像素值加上200，则结果图像会变白，但是地物依然无法识别，这是因为像素值之间的差别很小，可能像素值5代表的是灰色的屋顶，6代表的是绿色的草地，但是在像素值变大后变为205与206，看起来都是白色，所以无法展示实际影像。

上述的是影像的亮度调整，所以还需要影像的对比度调整。

影像的对比度指的是间隔，在调大像素值的同时增加像素值之间的间隔，则会得到较好的结果。

先展示自适应调整后的结果：