当前位置：首页 > news >正文

图像亮度调整的简单实现

news 2025/7/11 7:03:18

1. 什么是图像亮度调整？

2. 使用 cv2.addWeighted() 调整亮度

代码示例

参数解释

效果

3. 直接修改像素值调整亮度

代码示例

参数解释

效果

4. 使用滑动条动态调整亮度

代码示例

效果

5. 总结

在图像处理中，亮度调整是一个非常常见的操作。无论是为了让图像看起来更清晰，还是为了适应不同的显示设备，调整图像的亮度都是非常有用的。今天，我们就来聊聊如何使用Python和OpenCV库来调整图像的亮度。

1. 什么是图像亮度调整？

图像亮度调整，顾名思义，就是改变图像中像素的明暗程度。简单来说，就是让图像整体看起来更亮或更暗。

亮度增加：图像中的每个像素值都会增加一个固定值，让图像看起来更亮。
亮度降低：图像中的每个像素值都会减少一个固定值，让图像看起来更暗。

2. 使用 `cv2.addWeighted()` 调整亮度

OpenCV 提供了一个非常方便的函数 cv2.addWeighted()，可以用来调整图像的亮度。这个函数的核心思想是通过加权平均的方式，对图像的像素值进行调整。

代码示例

import cv2
import numpy as np# 加载图像
img = cv2.imread('./1.jpg')# 设置亮度增益，例如设置为1.5倍亮度
alpha = 1.5# 提升图像亮度
brightened_img = cv2.addWeighted(img, alpha, np.zeros_like(img), 0, 0)# 显示和/或保存处理后的图像
cv2.imshow('Brightened Image', brightened_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数解释

src1：第一张输入图像，这里就是我们要调整亮度的图像。
alpha：第一个输入图像的权重，用来控制亮度的增益。
src2：第二张输入图像，这里我们用 np.zeros_like(img) 来表示一个全黑的图像。
beta：第二个输入图像的权重，这里设置为0，因为我们不需要用到第二张图像。
gamma：一个标量，这里设置为0，因为我们只通过 alpha 来调整亮度。

效果

通过调整 alpha 的值，我们可以很容易地改变图像的亮度。如果 alpha 大于1，图像会变亮；如果 alpha 小于1，图像会变暗。

3. 直接修改像素值调整亮度

除了使用 cv2.addWeighted()，我们还可以直接对图像的像素值进行操作，来调整亮度。

代码示例

import cv2
import numpy as np# 读取图片
image_np = cv2.imread("./1.jpg")# 亮度变换是对图像的每个通道的每个像素进行统一的加某个值
# np.clip是一个截取函数，用于截取数组中小于或者大于某值的部分，并使得被截取部分等于固定值。
# np.uint8是将值转换为0-255的整数
brightness_conversion_img = np.uint8(np.clip(image_np + 50, 0, 255))# 显示原始图像和调整亮度后的图像
cv2.imshow("Original Image", image_np)
cv2.imshow("Brightness Adjusted Image", brightness_conversion_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

参数解释

image_np + 50：这里我们将每个像素值增加50，让图像变亮。如果想让图像变暗，可以减去一个值。
np.clip(image_np + 50, 0, 255)：这个函数的作用是防止像素值超出0到255的范围。如果像素值超过255，会被截断为255；如果小于0，会被截断为0。
np.uint8：将像素值转换为0到255的整数，确保图像可以正常显示。

效果

通过直接修改像素值，我们可以非常灵活地调整图像的亮度。这种方法的优点是简单直观，缺点是可能会导致像素值溢出，需要使用 np.clip 来进行限制。

4. 使用滑动条动态调整亮度

为了让调整亮度的过程更加直观，我们可以使用OpenCV的滑动条功能，动态调整亮度。

代码示例

import cv2
import numpy as npwindow_name = 'Trackbar Demo'
cv2.namedWindow(window_name)def on_trackbar_change(x):x = x / 255 * (255 - (-255)) - 255# 读取图片路径path = "./1.jpg"# 读取图片image_np = cv2.imread(path)# 亮度变换是对图像的每个通道的每个像素进行统一的加某个值brightness_conversion_img = np.uint8(np.clip(image_np + x, 0, 255))cv2.imshow("brightness_conversion_image", brightness_conversion_img)cv2.imshow("image_np", image_np)print(x)# 创建滑动条并设置参数
trackbar_name = 'Threshold'
max_value = 255
initial_value = 100
on_trackbar_change(initial_value)
cv2.createTrackbar(trackbar_name, window_name, initial_value, max_value, on_trackbar_change)
cv2.waitKey(0)

效果

通过滑动条，我们可以实时调整图像的亮度，观察不同亮度值下的图像效果。

5. 总结

通过这篇文章，我们学习了两种调整图像亮度的方法：

使用 cv2.addWeighted() 函数，通过加权平均的方式调整亮度。

优点：
- 实现简单，代码简洁。
- 可以通过调整权重参数灵活控制亮度变化。
- 不容易出现像素值溢出的问题，因为权重和偏移量的计算方式较为安全。
缺点：
- 需要额外的计算开销，因为涉及加权平均操作。
- 对于复杂的亮度调整需求，灵活性稍差。

直接对像素值进行操作，通过加减一个固定值来调整亮度。

优点：
- 直观且易于理解，直接对像素值进行加减操作。
- 可以通过 np.clip 函数轻松限制像素值范围，避免溢出。
- 在某些情况下可能更高效，尤其是当需要对像素值进行复杂操作时。
缺点：
- 如果不使用 np.clip，很容易导致像素值溢出，从而出现图像失真。
- 对于大规模图像处理，直接操作像素值可能会导致性能问题。