Changing the contrast and brightness of an image!

此为OpenCV官方教程的个人翻译

目标

在本教程中，您将学习如何：

• 访问像素值
• 使用零初始化矩阵
• 了解saturate_cast以及为什么它有用
• 获取有关像素转换的一些很酷的信息

理论

注意:下面的理论源自Richard Szeliski的《Computer Vision： Algorithms and Applications》一书。

图像处理

• 通用图像处理运算符是输入一个或多个图像,并生成输出图像的函数
• 图像转换可以视作:
  • Point operators (pixel transforms) (像素级别的转换) (点运算符)
  • Neighborhood (area-based) operators (区域级别的转换)(邻域运算符)

像素转换

• 在这种图像处理变换中，每个输出像素的值仅取决于相应的输入像素值（加上一些可能全局收集的信息或参数）。
• 此类运算符的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

• 两个常用的点过程(point process)为乘法和常数加法

  \[g(x)=\alpha f(x) + \beta \]

• 参数\(\alpha >0\),并且\(\beta\)经常被叫做增益和偏置参数(gain and bias parameters);有时这些参数分别控制对比度和亮度

• 您可以将\(f(x)\)是做原图像像素而将\(g(x)\)视作输出图像像素,然后我们便可以将表达式改写为:

  \[g(i,j)=\alpha f(i,j)+\beta \]

  其中\(i\)和\(j\)分别指出了像素的行与列.

代码

下面的代码进行了\(g(i,j)=\alpha f(i,j)+\beta\)操作:

/*
 * @LastEditors: 帝皇の惊
 * @Date: 2022-06-26 16:17:00
 * @Description: Edit Here
 * @LastEditTime: 2022-06-26 16:57:00
 */
#include <iostream>
#include "opencv.hpp"

using namespace cv;

double alpha;  //简易对比度控制
int beta;      //简易亮度控制

int main(int argc, char** argv) {
    // Read image
    Mat image = imread("E:\\Work\\Visual Studio Code\\fengmian.jpg");
    Mat new_image = Mat::zeros(image.size(), image.type());
    // "initialize values"
    std::cout << "Basic Linear Transforms" << std::endl;
    std::cout << "-----------------------" << std::endl;
    std::cout << "* Enter the alpha value [1.0 - 3.0]: ";
    std::cin >> alpha;
    std::cout << "* Enter the beta value [0 - 100]:";
    std::cin >> beta;

    // 进行操作g(i,j)=alpha*f(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);
            }
        }
    }

    // Craete Window
    namedWindow("Original Image", WINDOW_NORMAL);
    namedWindow("New Image", WINDOW_NORMAL);

    // Show Stuff
    imshow("Original Image", image);
    imshow("New Image", new_image);
    waitKey(0);
    return 0;
}

解释

1. 我们首先创建并保存\(\alpha,\beta\),这两个都是用户输入的参数：

   double alpha;
   int beta;
   

2. 我们使用 imread 加载图像并将其保存在 Mat 对象中：

   Mat image = imread("E:\\Work\\Visual Studio Code\\fengmian.jpg");
   

3. 现在，由于我们将对此图像进行一些转换，因此我们需要一个新的 Mat 对象来存储它。此外，我们希望它具有以下特点：

   • 初始像素值等于零
   • 与原始图像相同的大小和类型

   Mat new_image = Mat::zeros( image.size(), image.type() );
   

   我们观察到 Mat::zeros 返回一个基于 image.size（） 和 image.type（） 的 Matlab 样式的零初始值设定项。

4. 现在，要执行该操作\(g(x)=\alpha f(x) + \beta\),我们将访问图像中的每个像素。由于我们使用的是BGR图像，因此每个像素将有三个值（B，G和R），因此我们也将单独访问它们：

   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 ); }
      }
      }
   

   请注意以下几点：

   • 为了访问图像中的每个像素，我们使用以下语法：image.at（y，x）[c]，其中y是行，x是列，c是R，G或B（0，1或2）。
   • 由于该操作的运算结果可能无效或超出范围，因此我们使用saturate_cast来确保值有效。

5. 最后，我们创建窗口显示图像。

   namedWindow("Original Image", 1);
   namedWindow("New Image", 1);
   
   imshow("Original Image", image);
   imshow("New Image", new_image);
   
   waitKey(0);
   

注意：与其使用 for 循环来访问每个像素，不如简单地使用以下命令：

image.convertTo(new_image, -1, alpha, beta);

其中 convertTo 将有效地执行 new_image = a*image + beta。但是，我们想向您展示如何访问每个像素。无论如何，这两种方法都给出了相同的结果，但convertTo更加优化，并且工作速度更快。

结果