14

我正在使用 OpenCV 处理一些图像，我需要执行的第一步是增加彩色图像的图像对比度。到目前为止，我发现的最快方法使用此代码（其中 np 是 numpy 导入）按照原始基于 C 的 cv1 文档中的建议进行相乘和相加：

    if (self.array_alpha is None):
        self.array_alpha = np.array([1.25])
        self.array_beta = np.array([-100.0])

    # add a beta value to every pixel 
    cv2.add(new_img, self.array_beta, new_img)                    

    # multiply every pixel value by alpha
    cv2.multiply(new_img, self.array_alpha, new_img)

有没有更快的方法在 Python 中做到这一点？我尝试过使用 numpy 的标量乘法，但性能实际上更差。我也尝试过使用cv2.convertScaleAbs （OpenCV 文档建议使用convertTo，但 cv2 似乎缺少此函数的接口），但测试中的性能再次变差。

4

3 回答 3

24

正如 Abid Rahaman K 所评论的，numpy 数组中的简单算术是最快的。

使用此图像例如：http: //i.imgur.com/Yjo276D.png

这是一些类似于亮度/对比度操作的图像处理：

'''
Simple and fast image transforms to mimic:
 - brightness
 - contrast
 - erosion 
 - dilation
'''

import cv2
from pylab import array, plot, show, axis, arange, figure, uint8 

# Image data
image = cv2.imread('imgur.png',0) # load as 1-channel 8bit grayscale
cv2.imshow('image',image)
maxIntensity = 255.0 # depends on dtype of image data
x = arange(maxIntensity) 

# Parameters for manipulating image data
phi = 1
theta = 1

# Increase intensity such that
# dark pixels become much brighter, 
# bright pixels become slightly bright
newImage0 = (maxIntensity/phi)*(image/(maxIntensity/theta))**0.5
newImage0 = array(newImage0,dtype=uint8)

cv2.imshow('newImage0',newImage0)
cv2.imwrite('newImage0.jpg',newImage0)

y = (maxIntensity/phi)*(x/(maxIntensity/theta))**0.5

# Decrease intensity such that
# dark pixels become much darker, 
# bright pixels become slightly dark 
newImage1 = (maxIntensity/phi)*(image/(maxIntensity/theta))**2
newImage1 = array(newImage1,dtype=uint8)

cv2.imshow('newImage1',newImage1)

z = (maxIntensity/phi)*(x/(maxIntensity/theta))**2

# Plot the figures
figure()
plot(x,y,'r-') # Increased brightness
plot(x,x,'k:') # Original image
plot(x,z, 'b-') # Decreased brightness
#axis('off')
axis('tight')
show()

# Close figure window and click on other window 
# Then press any keyboard key to close all windows
closeWindow = -1
while closeWindow<0:
    closeWindow = cv2.waitKey(1) 
cv2.destroyAllWindows()

灰度原始图像：

在此处输入图像描述

看起来膨胀的变亮图像：

在此处输入图像描述

看起来被侵蚀、锐化、对比度更好的变暗图像：

在此处输入图像描述

如何转换像素强度：

在此处输入图像描述

如果您使用 和 的值，phi您theta可以获得非常有趣的结果。您还可以为多通道图像数据实现此技巧。

- - 编辑 - -

看看这个 youtube 视频中的“级别”和“曲线”的概念，展示了 Photoshop 中的图像编辑。线性变换方程在每个像素上产生相同数量的变化，即“水平”变化。如果您编写一个可以区分像素类型的方程式（例如，那些已经具有特定值的像素），那么您可以根据该方程式描述的“曲线”来更改像素。

于 2013-10-15T14:39:59.330 回答
21

试试这个代码：

import cv2

img = cv2.imread('sunset.jpg', 1)
cv2.imshow("Original image",img)

# CLAHE (Contrast Limited Adaptive Histogram Equalization)
clahe = cv2.createCLAHE(clipLimit=3., tileGridSize=(8,8))

lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)  # convert from BGR to LAB color space
l, a, b = cv2.split(lab)  # split on 3 different channels

l2 = clahe.apply(l)  # apply CLAHE to the L-channel

lab = cv2.merge((l2,a,b))  # merge channels
img2 = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)  # convert from LAB to BGR
cv2.imshow('Increased contrast', img2)
#cv2.imwrite('sunset_modified.jpg', img2)

cv2.waitKey(0)
cv2.destroyAllWindows()

日落前： 在此处输入图像描述 增加对比度后的日落： 在此处输入图像描述

于 2017-06-15T13:57:57.413 回答
0

使用cv2::addWeighted函数。它将比迄今为止提出的任何其他方法都快。它旨在处理两个图像：

dst = cv.addWeighted(src1, alpha, src2, beta, gamma[, dst[, dtype]])

但是如果你两次使用相同的图像并且你将 beta 设置为零，你可以获得你想要的效果

dst = cv.addWeighted(src1, alpha, src1, 0, gamma)

使用此函数的最大优势是您不必担心当值低于 0 或高于 255 时会发生什么。在 numpy 中，您必须自己弄清楚如何进行所有剪辑。使用 OpenCV 功能，它会为您完成所有剪辑，而且速度很快。

于 2019-02-14T22:35:01.130 回答