python数字图像处理(8):对比度与亮度调整

### Python 数字图像处理 调整 对比度 亮度 #### 使用 OpenCV 库调整图像的对比度和亮度 OpenCV 提供了多种方法来调整图像的对比度和亮度。一种常见的做法是对图像数组执行简单的线性变换,即: \[ g(i,j)=\alpha \cdot f(i,j)+\beta \] 其中 \(f\) 是原始图像,\(g\) 是输出图像,\(\alpha\) 控制对比度,而 \(\beta\) 则用于控制亮度。 对于对比度而言,当 \(\alpha>1\) 时增加对比度;反之则减少之。至于亮度,则通过改变 \(\beta\) 的正值或负值得到提升或减弱的效果[^2]。 下面是一个具体的例子,展示了如何利用上述原理编写一段能够灵活调整给定图片对比度与亮度水平的程序代码: ```python import cv2 import numpy as np def adjust_contrast_brightness(img, contrast=1.0, brightness=0): """ Adjust the contrast and brightness of an image. Parameters: img (numpy.ndarray): Input image array. contrast (float): Contrast adjustment factor where 1 means no change. Values greater than one will increase contrast, while values less than one decrease it. brightness (int): Brightness level to add/subtract from each pixel value. Returns: numpy.ndarray: Image with adjusted properties. """ # Convert uint8 type data into float for calculation without overflow issues img_float = img.astype(float) # Apply linear transformation formula on every element within matrix result = contrast * img_float + brightness # Clip any out-of-boundary pixels after applying changes back into valid range [0..255] result_clipped = np.clip(result, 0, 255).astype(np.uint8) return result_clipped if __name__ == "__main__": original_image_path = 'path_to_your_image.jpg' output_image_path = './output_modified_image.png' input_img = cv2.imread(original_image_path) modified_img = adjust_contrast_brightness(input_img, contrast=1.5, brightness=-50) cv2.imwrite(output_image_path, modified_img) ``` 此脚本定义了一个名为 `adjust_contrast_brightness` 函数接受三个参数:待修改的图像文件路径、希望设置的新对比度系数以及新的亮度增量。该函数内部实现了之前提到过的线性映射关系,并最终返回经过处理后的 NumPy 数组形式的结果图象数据。此外还提供了一段测试用例说明怎样调用这个功能并保存所得成果至本地磁盘位置。 除了这种方法外,还可以采用伽玛校正的方式来进行更复杂的非线性调整[(img_array / 255) ** gamma][^3]。这种方式允许创建更加自然过渡效果,在某些情况下可能更适合实际应用场景需求。

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

Python内容推荐

基于Opencv-Python的数字图像处理

基于Opencv-Python的数字图像处理

数字图像处理( Digital Image Processing)又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。在数字图像处理过程中,输入的是质量低的图像,输出的是改善质量后的图像, 常用的图像处理方法有图像增强、复原、编码、压缩等。 Python(英国发音:/ˈpaɪθən/ 美国发音:/ˈpaɪθɑːn/), 是一种面向对象的解释型计算机程序设计语言,由荷兰人Guido van Rossum于1989年发明,第一个公开发行

基于python OpenCV 数字图像处理软件

基于python OpenCV 数字图像处理软件

绘制灰度直方图、直方图均衡、对比度调节、几何变换、图片加噪声、高斯噪声、椒盐噪声、周期噪声、均值去噪、中值去噪、高通滤波、低通滤波

基于Python的电子商务数字图像处理.zip

基于Python的电子商务数字图像处理.zip

基于Python的电子商务数字图像处理

基于python实现的数字图像处理实验-源码

基于python实现的数字图像处理实验-源码

基于python实现的数字图像处理实验_源码

SSIM的Python实现

SSIM的Python实现

Python实现的图像结构相似性度量( Structural Similarity Image Metric,SSIM)。

opencv调整图像亮度对比度的示例代码

opencv调整图像亮度对比度的示例代码

本文通过实例代码给大家介绍了opencv调整图像亮度对比度,代码简单易懂,非常不错,具有一定的参考借鉴价值,需要的朋友可以参考下

图片处理程序(亮度、对比度、灰度及饱和度)

图片处理程序(亮度、对比度、灰度及饱和度)

python

数字图像处理技术实验一.zip

数字图像处理技术实验一.zip

数字图像处理技术实验一.zip

digitalImageProcessing:数字图像处理学习

digitalImageProcessing:数字图像处理学习

digitalImageProcessing 数字图像处理学习

数字图像处理冈萨雷斯第三版课后习题答案

数字图像处理冈萨雷斯第三版课后习题答案

数字图像处理 冈萨雷斯 第三版 课后答案绝对完整 不要积分

数字图像处理编程入门

数字图像处理编程入门

本书讲解了数字图像处理编程的相关知识,对于学习者很有用。

数字图像处理代码(内含完整的代码)

数字图像处理代码(内含完整的代码)

数字图像处理代码(内含完整的代码)

数字图像处理图片素材

数字图像处理图片素材

图像处理学习者和研究者使用的图像素材,标准库

数字图像处理技术(课件&程序)

数字图像处理技术(课件&程序)

数字图像处理的本科课程资料,课件&程序,内容供大家分享交流

数字图像处理实验报告:灰度变换与空间滤波(附带程序,不看后悔).docx

数字图像处理实验报告:灰度变换与空间滤波(附带程序,不看后悔).docx

。。。

数字图像处理软件设计

数字图像处理软件设计

图像处理软件设计 图像处理软件设计 图像处理软件

数字图像处理 实习 代码

数字图像处理 实习 代码

平移 旋转 缩放 模板匹配 二值化 滤波器 线性变换 边缘检测 影像融合

武汉大学数字图像处理考试复习重点.pdf

武汉大学数字图像处理考试复习重点.pdf

。

数字图像处理完美教程

数字图像处理完美教程

数字图像处理完美教程 适合初学者学习 学习后可对图像进行一般的处理

基于MATLAB开发的智能图像处理与美化系统-包含摄像头采集-多格式图片读取-灰度图处理-几何变换-噪声去除-智能裁剪-亮度对比度饱和度调节-色相调整-区域生长分割-阈值分割-交互.zip

基于MATLAB开发的智能图像处理与美化系统-包含摄像头采集-多格式图片读取-灰度图处理-几何变换-噪声去除-智能裁剪-亮度对比度饱和度调节-色相调整-区域生长分割-阈值分割-交互.zip

卓晴基于MATLAB开发的智能图像处理与美化系统_包含摄像头采集_多格式图片读取_灰度图处理_几何变换_噪声去除_智能裁剪_亮度对比度饱和度调节_色相调整_区域生长分割_阈值分割_交互.zip基于MATLAB开发的智能图像处理与美化系统_包含摄像头采集_多格式图片读取_灰度图处理_几何变换_噪声去除_智能裁剪_亮度对比度饱和度调节_色相调整_区域生长分割_阈值分割_交互.zip

最新推荐最新推荐

recommend-type

互联网+新型医联体信息化建设整体解决方案.pptx

互联网+新型医联体信息化建设整体解决方案.pptx
recommend-type

chromedriver-linux64-159.0.8153.0(Canary).zip

chromedriver-linux64-159.0.8153.0(Canary).zip
recommend-type

chrome-mac-arm64-159.0.8147.0(Canary).zip

内容概要:Chrome for Testing 官方 chrome 159.0.8147.0 mac-arm64 平台(金丝雀版通道),原版未修改,附来源说明。 适合人群:macOS Apple Silicon 上的自动化测试工程师、爬虫开发者、CI 环境搭建者。 使用场景及目标:①Chrome for Testing 官方浏览器本体,供自动化测试使用;②与同版本 chromedriver 配套;③CI/容器环境的浏览器运行时。 其他说明:Chrome for Testing 为 Google 官方发布、允许自由分发的文件;本资源为第三方整理的下载便利服务。
recommend-type

健康城市医疗健康大数据平台建设方案(二).pptx

健康城市医疗健康大数据平台建设方案(二).pptx
recommend-type

DuCut_1795224829955_400.mp4

DuCut_1795224829955_400.mp4
recommend-type

西南大学2012计信院保研试题:计算机网络解析

"西南大学2012年计信院保研题" 这篇资料涉及的是西南大学计算机与信息科学学院在2012年的保研考试题目,主要考察了计算机网络的相关知识,包括TCP/IP协议簇、网络地址、数据传输机制以及DNS应用协议等核心概念。 1. UDP(User Datagram Protocol,用户数据报协议)与IP协议虽然都是无连接的,但它们服务于不同的层次和目的。UDP提供的是无连接、不可靠的服务,适合于对实时性要求高的应用,如VoIP或在线游戏。而TCP(Transmission Control Protocol,传输控制协议)虽然也是基于IP,但它提供了面向连接、可靠的数据传输服务,确保数据包按序到达且无丢失,适用于HTTP、FTP等需要保证数据完整性的应用。因此,TCP/IP协议簇同时使用UDP是为了满足不同类型应用的需求。 2. MAC地址(Media Access Control Address)是物理网络接口的唯一标识,用于局域网内的数据帧传输。然而,MAC地址仅在局域网内部有效,无法跨网络进行识别。IP地址(Internet Protocol Address)则是全球唯一的网络层地址,使得数据包能够在互联网上正确路由。ARP(Address Resolution Protocol,地址解析协议)用于将IP地址转换为对应的MAC地址,以便在局域网内进行数据传输。 3. TCP实现可靠数据传输服务采用了多种技术,包括: - 序列号和确认应答:每个发送的数据包都有一个唯一的序列号,接收方通过确认应答来确认接收到的数据包,确保数据的有序性。 - 流量控制:通过滑动窗口机制限制发送方的发送速率,避免接收方来不及处理导致拥塞。 - 拥塞控制:当网络出现拥塞时,TCP会减缓数据发送速率,以减少拥塞。 - 重传机制:如果接收方没有收到某个数据包,它会发送负确认,发送方会重新发送丢失的数据包。 - 时间戳:用于计算往返时延并检测旧的数据包。 4. 基于TCP/IP协议的DNS(Domain Name System,域名系统)应用协议实现过程大致如下: - 用户发起DNS查询,请求将域名转换为IP地址。 - 查询通常首先发送到本地DNS解析器,如果解析器缓存中有对应记录,则直接返回结果。 - 若缓存中没有,解析器会向根DNS服务器查询,根服务器会指引到顶级域服务器。 - 顶级域服务器再指向权威DNS服务器,该服务器负责管理特定域名的记录。 - 权威服务器返回IP地址,整个过程使用TCP或UDP完成,TCP用于大数据量的区域传输,UDP用于常规查询。 5. 题目给出的网络拓扑图涉及路由器A、B、C,要求构建路由表。路由表通常包含目的地址和下一跳地址,用于指导数据包的转发。根据网络拓扑,路由器A的路由表可能如下: - 目的地址:192.168.1.0/24,下一跳:S0/0 - 目的地址:192.168.2.0/24,下一跳:S3/0 - 目的地址:192.168.3.0/24,下一跳:S1/0 - 默认路由(所有其他未列出的目的地址):S0/0 同样,需要构建路由器B和C的路由表,考虑它们与其他路由器的连接以及到目标网络的路径。这需要对网络路由原理有深入理解,包括子网掩码、默认路由、静态路由和动态路由协议等知识。
recommend-type

企业级Selenium基础设施设计(一):驱动仓库统一纳管+灰度发布+自动降级——支撑日均200万次自动化执行的工业级架构(附开源组件清单)

# 企业级 Selenium 基础设施:从偶发失败到百万级稳定执行的工程纵深 当 CI 流水线里那句熟悉的 `org.openqa.selenium.TimeoutException: timeout: Timed out receiving message from renderer` 第 17 次在凌晨三点弹出时,你盯着监控面板上那条忽高忽低的“偶发失败率”曲线——12.3%,像一道无法愈合的伤口。本地能跑通的脚本,在流水线里却像被施了诅咒;Chrome 124 刚发布,团队就陷入驱动版本、浏览器内核、glibc 版本三者交织的泥潭;某次灰度升级后,亚太区的回归任务集体超时,发布窗口被迫
recommend-type

数据流模型性能仿真常用工具有哪些?它们各自适合什么场景?

### DataFlow模型性能仿真工具和方法 对于DataFlow模型的性能仿真实验,多种工具和技术可以支持这一过程。这些工具不仅能够帮助理解数据流图的行为特性,还能评估不同优化策略的效果。 #### 工具选择 一种常用的工具是Simulink中的SimEvents扩展模块[^3]。该模块允许创建离散事件系统模型来模拟复杂的生产、通信和服务网络。通过定义实体生成器、队列、服务器和其他组件之间的交互关系,可以构建精确的数据流动态行为表示形式。 另一种专门针对多速率同步数据流程序设计的语言是Ptolemy II框架下的SDF(Synchronous Data Flow)。它提供了图形化界
recommend-type

VS2008编译Wireshark指南

"这篇文档详细介绍了如何在Windows环境下使用Visual Studio 2008 (VS2008) 编译Wireshark源代码。主要步骤包括安装VS2008、Cygwin、Python,下载Wireshark源码,修改config.nmake文件,设置环境变量,以及进行编译。特别强调了某些特定版本的选择和配置,如Wireshark 1.7.0和Python 2.7,以及针对不同VS版本的config.nmake文件的调整。" Wireshark是一款强大的网络封包分析软件,它允许用户查看网络通信的数据包详情。在Windows平台上,使用VS2008编译Wireshark源码可以帮助开发者进行定制化开发或调试。以下是详细的步骤: 1. 安装Visual Studio 2008: 选择适合自己的安装选项,确保包含必要的编译工具。VS2008的编译器将用于构建Wireshark。 2. 安装Cygwin: Cygwin是一个提供Linux环境的工具集合,用于在Windows上运行许多开源工具。在安装Cygwin时,务必选择必要的库,如Archive(解压)、Devel(开发工具,包括bison和flex)、Interpreters(Python)、Utils(patch和dos2unix)和Web(wget),这些是编译Wireshark所必需的。 3. 安装Python 2.7: Wireshark编译过程中会使用Python,因此需要确保安装正确版本。Python 2.4-2.7通常兼容,但其他版本可能存在问题。 4. 下载Wireshark源码: 选择合适的版本,建议使用Wireshark 1.7.0,因为这个版本已知与VS2008和指定的库版本兼容。注意,高版本可能需要Qt 5,需要额外安装。 5. 修改`config.nmake`文件: 在Wireshark源码根目录下找到此文件,用文本编辑器(如Notepad++)打开,取消`MSVC_VARIANT`行的注释,将其设置为`MSVC2008`。同时,确认`WIRESHARK_TARGET_PLATFORM`设置为`win32`,尽管有些教程建议改为`win64`,但在某些情况下可能导致编译错误。 6. 添加环境变量: 根据编译需要,可能需要设置或调整系统的环境变量,包括指向Cygwin、Python和其他工具的路径。 7. 编译Wireshark: 使用VS2008打开Wireshark项目,然后进行编译。如果遇到问题,检查上述步骤是否正确执行,以及所有依赖项是否已安装。 在编译过程中可能会遇到各种错误或警告,这可能需要对源代码或配置文件进行进一步调整。熟悉C++、Cygwin工具链和Wireshark的构建系统将有助于解决这些问题。编译成功后,就可以使用自定义的Wireshark版本来分析网络流量,或进行更深入的开发工作。
recommend-type

Selenium + WSL2深度整合秘籍:Windows下复现Linux级稳定性的7层隔离机制(含systemd user session注入与cgroup v2资源管控实录)

以下是对您提供的技术博文进行深度润色后的最终版本。全文严格遵循您的全部优化要求: - ✅ **完全去除所有显性标题层级**(如“引言”“2.1”“3.2.1”等),代之以自然段落过渡与语义锚点; - ✅ **打破“总—分—总”结构**,以真实工程痛点切入,将原理、代码、验证、归因、运维实践有机交织; - ✅ **彻底消除AI模板痕迹**:无“本文将…”“首先…其次…”“综上所述”等句式;大量使用设问、插入语、工程师口语化表达(如“别急着重启”“这坑我们踩过三次”“你猜怎么着?”); - ✅ **注入一线工程洞察**:每项技术选择均附带权衡说明(“为什么不用Docker?”“为何放弃--use