【OpenCV學習】之改變圖像的對比度和亮度

目的

本篇教程中，你將學到：

• 訪問像素值
• 用0初始化矩陣
• saturate_cast 是做什麼用的，以及它爲什麼有用
• 一些有關像素變換的精彩內容

原理

Note:以下解釋節選自Richard Szeliski所著 Computer Vision: Algorithms and Applications

圖像處理

• 一般來說，圖像處理算子是帶有一幅或多幅輸入圖像、產生一幅輸出圖像的函數。
• 圖像變換可分爲以下兩種：
  • 點算子（像素變換）
  • 鄰域（基於區域的）算子

像素變換

• 在這一類圖像處理變換中，僅僅根據輸入像素值（有時可加上某些全局信息或參數）計算相應的輸出像素值。
• 這類算子包括 亮度和對比度調整 ，以及顏色校正和變換。

亮度和對比度調整

• 兩種常用的點過程（即點算子），是用常數對點進行 乘法 和 加法 運算：

                                                    

• 兩個參數  和  一般稱作 增益 和 偏置 參數。我們往往用這兩個參數來分別控制 對比度 和 亮度 。

• 你可以把  看成源圖像像素，把  看成輸出圖像像素。這樣一來，上面的式子就能寫得更清楚些：

                                       

  其中，   和  表示像素位於 第i行 和 第j列 。

代碼

• 下列代碼執行運算  ：

#include <opencv2/core/core.hpp>
#include <opencv2/highgui/highgui.hpp>
#include <iostream>

using namespace std;
using namespace cv;

double alpha; /**< 控制對比度 */
int beta;  /**< 控制亮度 */

int main( int argc, char** argv )
{
    /// 讀入用戶提供的圖像
    Mat image = imread( argv[1] );
    Mat new_image = 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;

    /// 執行運算 new_image(i,j) = alpha*image(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 );
            }
        }
    }

    /// 創建窗口
    namedWindow("Original Image", 1);
    namedWindow("New Image", 1);

    /// 顯示圖像
    imshow("Original Image", image);
    imshow("New Image", new_image);

    /// 等待用戶按鍵
    waitKey();
    return 0;
}

說明

1. 一上來，我們要建立兩個變量，以存儲用戶輸入的  和  ：

   double alpha;
   int beta;

   然後，用 imread 載入圖像，並將其存入一個Mat對象：

2. Mat image = imread( argv[1] );

   此時，因爲要對圖像進行一些變換，所以我們需要一個新的Mat對象，以存儲變換後的圖像。我們希望這個Mat對象擁有下面的性質：

3. • 像素值初始化爲0
   • 與原圖像有相同的大小和類型

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

   注意到， Mat::zeros 採用Matlab風格的初始化方式，用 image.size() 和 image.type() 來對Mat對象進行0初始化。

4. 現在，爲了執行運算  ，我們要訪問圖像的每一個像素。因爲是對RGB圖像進行運算，每個像素有三個值（R、G、B），所以我們要分別訪問它們。下面是訪問像素的代碼片段：

   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 );
           }
       }
   }

   注意以下兩點：

   • 爲了訪問圖像的每一個像素，我們使用這一語法： image.at<Vec3b>(y,x)[c] 其中， y 是像素所在的行， x 是像素所在的列， c 是R、G、B（0、1、2）之一。
   • 因爲  的運算結果可能超出像素取值範圍，還可能是非整數（如果  是浮點數的話），所以我們要用 saturate_cast 對結果進行轉換，以確保它爲有效值。

5. 最後，用傳統方法創建窗口並顯示圖像。

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

   Note:我們可以不用 for 循環來訪問每個像素，而是直接採用下面這個命令：

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

這裏的 convertTo 將執行我們想做的 new_image = a*image + beta 。然而，我們想展現訪問每一個像素的過程，所以選用了for循環的方式。實際上，這兩種方式都能返回同樣的結果。

結果

• 運行代碼，取參數  和 

  $ ./BasicLinearTransforms lena.jpg
  Basic Linear Transforms
  -------------------------
  * Enter the alpha value [1.0-3.0]: 2.2
  * Enter the beta value [0-100]: 50

  我們將得到下面的結果：