第四章 图像亮度及对比度操作

计算机视觉--OpenCV图像处理教程第四章图像亮度及对比度OPENCVENVIRONMENTSETTTING内容要点：图像直方图的概念、图像直方图均衡化、图像亮度调整、图像对比度调整、项目实战：交互式图像增强建议课时：6课时讲课人：宋桂岭讲课时间：2026年5月18日目录4.1图像直方图概念及可视化理论+实操4.2直方图均衡化理论+实操4.3直方图的掩膜操作理论+实操4.4图像亮度调整理论+实操4.5图像对比度调整理论+实操4.6交互式图像增强项目实战4.7小结及作业理论讲解014.1图像直方图概念及可视化理论+实操4.1.1图像直方图的概念图像直方图ImageHistogram图像直方图是用以表示数字图像中亮度分布的一种柱状图，X轴为图像的亮度值，Y轴标绘了图像中每个亮度值的像素个数。其横坐标的左侧为较暗的区域，而右侧为较亮的区域。一张较暗图片的直方图中的数据多集中于左侧和中间，而整体明亮，只有少量阴影的图像则数据多集中与右侧和中间。4.1.2图像直方图可视化②创建calc_hist.py①下载图像/sgl_666/opencv/blob/master/code/chp4/data/0179.png，保存到data文件夹③输入代码：importcv2importmatplotlib.pyplotasplt

#读取图像img=cv2.imread("data/0179.png")histr=cv2.calcHist([img],[0],None,[256],[0,256])#显示图像plt.imshow(img[:,:,::-1])plt.show()

#显示图像直方图plt.plot(histr)plt.grid()plt.show()参数意义如下：images:原图像。当传入函数时应该用中括号[]括起来，例如：[img]。channels:如果输入图像是灰度图，它的值就是[0]；如果是彩色图像，传入的参数可以是[0],[1],[2]，它们分别对应着通道B,G,R。mask:掩膜图像。要统计整幅图像的直方图就把它设为None。但是如果想统计图像某一部分的直方图，就需要一个掩膜图像，并使用它。histSize:bin的数目，即将灰度区间分多少段来进行统计。也应该用中括号括起来，例如：[256]。ranges:像素值范围。通常为[0,256]。4.1.2图像直方图可视化④执行程序可以发现，直方图数据集中于暗部，说明图像曝光不足024.2直方图均衡化理论+实操4.2直方图均衡化图像对比度较低图像对比度ImageContrast对比度指的是一幅图像中明暗区域最亮的白和最暗的黑之间不同亮度层级的测量，差异范围越大代表对比越大，差异范围越小代表对比越小。好的对比率120:1就可容易地显示生动、丰富的色彩，当对比率高达300:1时，便可支持各阶的颜色。对比度对视觉效果的影响非常关键，一般来说对比度越大，图像越清晰醒目，色彩也越鲜明艳丽；而对比度小，则会让整个画面都灰蒙蒙的。高对比度对于图像的清晰度、细节表现、灰度层次表现都有很大帮助。4.2直方图均衡化直方图均衡化HistogramEqualization直方图均衡化是一种增强图像对比度的方法，其主要思想是将一副图像的直方图分布变成近似均匀分布，从而增强图像的对比度。直方图均衡化是数字图像处理里面的基本方法，其作用强大，是一种经典算法。直方图均衡化：通过均匀化亮度分布来提升对比度4.2直方图均衡化继续在calc_hist.py输入代码：#以灰度图形式读取图像img=cv2.imread("data/0179.png",0)

#直方图均衡化处理#img:灰度图像#dist:均衡化后的结果dst=cv2.equalizeHist(img)

#显示图像plt.imshow(img,cmap=plt.cm.gray)plt.show()plt.imshow(dst,cmap=plt.cm.gray)plt.show()histr=cv2.calcHist([dst],[0],None,[255],[0,256])#显示图像直方图plt.plot(histr)plt.show()4.2直方图均衡化自适应直方图均衡化，抑制过曝或过暗：#自适应直方图均衡化#创建一个自适应均衡化对象，并应用于图像clahe=cv2.createCLAHE(clipLimit=2.0,tileGridSize=(8,8))cl1=clahe.apply(img)cv2.imwrite("data/clahe_dst.png",cl1)#显示图像plt.imshow(cl1,cmap=plt.cm.gray)plt.show()

histr=cv2.calcHist([cl1],[0],None,[255],[0,256])#显示图像直方图plt.plot(histr)plt.show()过曝034.3直方图的掩膜操作理论+实操4.3直方图的掩膜操作掩膜Mask掩膜是用选定的图像、图形或物体，对要处理的图像进行遮挡，来控制图像处理的区域，是数字图像处理中的一种常用方式。在数字图像处理中，通常使用二维矩阵数组进行掩膜，该数组由0和1组成，也称为掩膜图像。在对要处理的图像进行掩膜时，其中1值区域被处理，0值区域被屏蔽，不会处理提取感兴趣区域：用预先制作的感兴趣区掩膜与待处理图像进行“与”操作，得到感兴趣区图像，感兴趣区内图像值保持不变，而区外图像值都为0。屏蔽作用：用掩膜对图像上某些区域进行屏蔽，使其不参加图像处理或参数计算，仅对非屏蔽区进行操作。结构特征提取：用相似性变量或图像匹配方法检测和提取图像中与掩膜相似的结构特征。特殊形状图像制作：可以利用任意形状的掩膜来制作特殊形状图像。作用4.3直方图的掩膜操作①创建名为“calc_hist_mask.py”的python文件②图像地址：/sgl_666/opencv/blob/master/code/chp4/data/0678.png③读取图像importnumpyasnpimportcv2importmatplotlib.pyplotasplt

#直接以灰度图的方式读入img=cv2.imread("data/0678.png",0)4.3直方图的掩膜操作④

掩膜实现#创建蒙版mask=np.zeros(img.shape[:2],np.uint8)mask[200:600,400:1000]=1

#掩膜mask_img=cv2.bitwise_and(img,img,mask=mask)

#统计掩膜后图像的灰度图mask_histr=cv2.calcHist([img],[0],mask,[256],[0,256])4.3直方图的掩膜操作⑤

结果可视化#解决plt中文显示问题plt.rcParams['font.sans-serif']=['SimHei']plt.rcParams['font.size']=30plt.rcParams['figure.figsize']=(19.2,10.8)#全局设置输出图片大小1920x1080像素imgs=[img,mask,mask_img]titles=["原始图像","掩膜","掩膜图像","直方图"]

foriinrange(3):img0=plt.subplot(2,2,i+1)img0.set_title(titles[i])plt.imshow(imgs[i],cmap="gray")plt.xticks([])plt.yticks([])img4=plt.subplot(2,2,4)img4.set_title(titles[3])plt.plot(mask_histr);plt.xticks([]);plt.yticks([]);plt.tight_layout()plt.show()掩膜操作及其直方图044.4图像亮度调整理论+实操4.4图像亮度调整创建adjust_brightness.py：importcv2importnumpyasnpimportmatplotlib.pyplotasplt

#读取图像img=cv2.imread("data/0179.png")

#亮度因子，加k变亮，减k变暗[averB,averG,averR]=np.array(cv2.mean(img))[:-1]/3k=np.ones((img.shape))k[:,:,0]*=averBk[:,:,1]*=averGk[:,:,2]*=averR

lighten=img+klighten[lighten>255]=255lighten[lighten<0]=0lighten=lighten.astype(np.uint8)054.5图像对比度调整理论+实操4.5图像对比度调整importcv2importnumpyasnpimportmatplotlib.pyplotasplt

#读取图像img=cv2.imread("data/0678.png")

#对比度因子，<1降低对比度>1增加对比度coefficent=2imggray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)m=cv2.mean(img)[0]graynew=m+coefficent*(imggray-m)contrast=np.zeros(img.shape,np.float32)k=np.divide(graynew,imggray,

out=np.zeros_like(graynew),

where=imggray!=0)contrast[:,:,0]=img[:,:,0]*kcontrast[:,:,1]=img[:,:,1]*kcontrast[:,:,2]=img[:,:,2]*kcontrast[contrast>255]=255contrast[contrast<0]=0

contrast=contrast.astype(np.uint8)4.5图像对比度调整064.6交互式图像增强项目实战4.6交互式图像增强图形用户界面GraphicalUserInterface图形用户界面GUI是指采用图形方式显示的计算机操作用户界面。GUI的广泛应用是当今计算机发展的重大成就之一，它极大地方便了非专业用户的使用人们从此不再需要死记硬背大量的命令，取而代之的是可用用通过窗口、菜单、按键等方式来方便地进行操作。参数对话框①创建名为“adjust_img_gui.py”的Python文件②导入OpenCV等模块importcv2importnumpyasnp通过鼠标进行交互4.6交互式图像增强③添加图像亮度调整函数:#修改图像的亮度，brightness取值0～2<1表示变暗>1表示变亮defchange_brightness(img,brightness):[averB,averG,averR]=np.array(cv2.mean(img))[:-1]/3k=np.ones((img.shape))k[:,:,0]*=averBk[:,:,1]*=averGk[:,:,2]*=averRimg=img+(brightness-1)*kimg[img>255]=255img[img<0]=0returnimg.astype(np.uint8)4.6交互式图像增强④添加图像对比度调整函数#修改图像的对比度,coefficent>0,<1降低对比度,>1提升对比度建议0-2defchange_contrast(img,coefficent):imggray=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)m=cv2.mean(img)[0]graynew=m+coefficent*(imggray-m)img1=np.zeros(img.shape,np.float32)k=np.divide(graynew,imggray,out=np.zeros_like(graynew),where=imggray!=0)img1[:,:,0]=img[:,:,0]*kimg1[:,:,1]=img[:,:,1]*kimg1[:,:,2]=img[:,:,2]*kimg1[img1>255]=255img1[img1<0]=0returnimg1.astype(np.uint8)4.6交互式图像增强⑤定义一个图像显示函数，用于测试中间结果defcvshow(name,img):dWindow(name,cv2.WINDOW_NORMAL)cv2.resizeWindow(name,1280,720)cv2.imshow(name,img)cv2.waitKey(0)cv2.destroyWindow(name)4.6交互式图像增强⑥创建GUI函数defgui():#加载图片

读取彩色图像image=cv2.imread('data/0678.png',cv2.IMREAD_COLOR)l=50c=50MAX_VALUE=100#调节饱和度和亮度的窗口dWindow("changImage",cv2.WINDOW_AUTOSIZE)

defnothing(*arg):pass

#滑动块cv2.createTrackbar("light","changImage",l,MAX_VALUE,nothing)cv2.createTrackbar("contrast","changImage",c,MAX_VALUE,nothing)whileTrue:#得到l、s、c的值l=cv2.getTrackbarPos('light',"changImage")c=cv2.getTrackbarPos('contrast',"changImage")img=np.copy(image.astype(np.float32))#亮度-1~1img=change_brig