学习OpenCV范例（五）——改变图像的对比度和亮度

来源：互联网发布：美微柠檬免费网络电视编辑：程序博客网时间：2024/05/23 20:51

学习到范例五的时候，发觉虽然范例都很简单，但是做记录的时候，并且把程序里面使用过的类或方法都弄明白，也就不简单了，接下来介绍一下范例五吧。

1、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）：图像对比度和亮度，等等

邻域（基于区域的）算子：均值滤波，中值滤波，等等，也就是卷积运算

2、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：

$g(x) = \alpha f(x) + \beta$

两个参数 $\alpha > 0$ 和 $\beta$ 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 $f(x)$ 看成源图像像素，把 $g(x)$ 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：

$g(i,j) = \alpha \cdot f(i,j) + \beta$

其中， $i$ 和 $j$ 表示像素位于第i行和第j列。

3、运行代码如下：

程序使用三种方式来实现亮度和对比度的调整，并且输出了各自运算的时间。

#include "stdafx.h"#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 ){double t;/// 读入用户提供的图像Mat image = imread( "Lena.jpg" );Mat new_image = Mat::zeros( image.size(), image.type() );Mat new_image1 = Mat::zeros( image.size(), image.type() );Mat new_image2 = 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;    t = (double)getTickCount();/// 执行运算 new_image(i,j) = alpha*image(i,j) + betafor( 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 );}}}t = 1000*((double)getTickCount() - t)/getTickFrequency();cout << ".at+[] Times passed in milliseconds: " << t << endl;    t = (double)getTickCount();int nr= image.rows; // number of rows  int nc= image.cols * image.channels(); // total number of elements per line  for (int y=0; y<nr; y++) {  uchar* data= image.ptr<uchar>(y);  uchar* data1=new_image1.ptr<uchar>(y);for (int x=0; x<nc; x++) {  data1[x]=saturate_cast<uchar>(alpha*data[x]+beta);}}t = 1000*((double)getTickCount() - t)/getTickFrequency();cout << ".ptr+[] Times passed in milliseconds: " << t << endl;t = (double)getTickCount();image.convertTo(new_image2, -1, alpha, beta);t = 1000*((double)getTickCount() - t)/getTickFrequency();cout << "convertTo Times passed in milliseconds: " << t << endl;/// 创建窗口namedWindow("Original Image", 1);namedWindow("New Image", 1);namedWindow("New Image1", 1);namedWindow("New Image2", 1);/// 显示图像imshow("Original Image", image);imshow("New Image", new_image);imshow("New Image1", new_image1);imshow("New Image2", new_image2);/// 等待用户按键waitKey();return 0;}

4、运行结果：

图1、原图图2、.at方法

图3、.ptr方法图4、convertTo方法

图5、运行时间

5、结论

从运行时间可以看出，使用OpenCV自带的函数运行效率最高，而使用.ptr方法比.at方法好，这也印证了前面博客学习OpenCV范例（二）——OpenCV如何扫描图像、利用查找表和计时所说的。

6、用到的类

convertTo：

功能：通过缩放比例将数组变换成其他类型

结构：

void Mat::convertTo(OutputArray m, int rtype, double alpha=1, double beta=0 ) const

m：输出图像

rtype：输出图像的类型

alpha：比例因子α，决定对比度

beta：附加值β，决定亮度

函数原理如下：

$m(x,y) = saturate \_ cast<rType>( \alpha (*this)(x,y) + \beta )$

saturate_cast：

功能：防止数据溢出

为什么上面的函数会用到saturate_cast呢，因为无论是加是减，乘除，都会超出一个像素灰度值的范围（0～255）所以，所以当运算完之后，结果为负，则转为0，结果超出255，则为255。

1 0