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) | 您所在的位置:网站首页 › 亮度调大点 › 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) |
文章结构
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 1.图像的直方图一张图像一般由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: 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: |
CopyRight 2018-2019 实验室设备网 版权所有 |