图像处理之调整亮度与对比度

简介: 图像处理之调整亮度与对比度   很多时候,一张图像被过度曝光显得很白,或者光线不足显得很暗,有时候背景跟图像人物 也观察不清楚,这个时候可以通过调节图像的两个基本属性-亮度与对比度来获得整体效果 的提升,从而得到质量更高的图片。

图像处理之调整亮度与对比度

 

很多时候,一张图像被过度曝光显得很白,或者光线不足显得很暗,有时候背景跟图像人物

也观察不清楚,这个时候可以通过调节图像的两个基本属性-亮度与对比度来获得整体效果

的提升,从而得到质量更高的图片。

 

基本原理:

图像亮度本质上图像中每个像素的亮度,每个像素的亮度本质上RGB值的大小,RGB值为0

是像素点为黑色,RGB都为255时像素点最亮,为白色。对比度则是不同像素点之间的差值,

差值越大,对比度越明显。从直方图分析的观点来看,对比度越好的图片,直方图曲线会越

明显,分布也越显得均匀。

 

算法流程:

调整图像亮度与对比度算法主要由以下几个步骤组成:

1.      计算图像的RGB像素均值– M

2.      对图像的每个像素点Remove平均值-M

3.      对去掉平均值以后的像素点 P乘以对比度系数

4.      对步骤上处理以后的像素P加上 M乘以亮度系统

5.      对像素点RGB值完成重新赋值

 

算法系数

对比度 contrast的最佳取值范围在[0 ~ 4],

亮度 brightness的最佳取值范围在[0~ 2]之间

算法的源程序代码见最后源代码部分

 

程序效果:

调整亮度与对比度的滤镜源代码如下:

package com.process.blur.study;

import java.awt.image.BufferedImage;

/**
 * this filter illustrate the brightness and contrast of the image
 * and demo how to change the both attribute of the image.
 * 
 * @author gloomy fish
 *
 */
public class ConBriFilter extends AbstractBufferedImageOp {

	private float contrast = 1.5f; // default value;
	private float brightness = 1.0f; // default value;
	
	public ConBriFilter() {
		// do stuff here if you need......
	}
	
	@Override
	public BufferedImage filter(BufferedImage src, BufferedImage dest) {
		int width = src.getWidth();
        int height = src.getHeight();

        if ( dest == null )
            dest = createCompatibleDestImage( src, null );

        int[] inPixels = new int[width*height];
        int[] outPixels = new int[width*height];
        src.getRGB( 0, 0, width, height, inPixels, 0, width );
        
        // calculate RED, GREEN, BLUE means of pixel
		int index = 0;
		int[] rgbmeans = new int[3];
		double redSum = 0, greenSum = 0, blueSum = 0;
		double total = height * width;
        for(int row=0; row<height; row++) {
        	int ta = 0, tr = 0, tg = 0, tb = 0;
        	for(int col=0; col<width; col++) {
        		index = row * width + col;
        		ta = (inPixels[index] >> 24) & 0xff;
                tr = (inPixels[index] >> 16) & 0xff;
                tg = (inPixels[index] >> 8) & 0xff;
                tb = inPixels[index] & 0xff;
                redSum += tr;
                greenSum += tg;
                blueSum +=tb;
        	}
        }
        
        rgbmeans[0] = (int)(redSum / total);
        rgbmeans[1] = (int)(greenSum / total);
        rgbmeans[2] = (int)(blueSum / total);
        
        // adjust contrast and brightness algorithm, here
        for(int row=0; row<height; row++) {
        	int ta = 0, tr = 0, tg = 0, tb = 0;
        	for(int col=0; col<width; col++) {
        		index = row * width + col;
        		ta = (inPixels[index] >> 24) & 0xff;
                tr = (inPixels[index] >> 16) & 0xff;
                tg = (inPixels[index] >> 8) & 0xff;
                tb = inPixels[index] & 0xff;
                
                // remove means
                tr -=rgbmeans[0];
                tg -=rgbmeans[1];
                tb -=rgbmeans[2];
                
                // adjust contrast now !!!
                tr = (int)(tr * getContrast());
                tg = (int)(tg * getContrast());
                tb = (int)(tb * getContrast());
                
                // adjust brightness
                tr += (int)(rgbmeans[0] * getBrightness());
                tg += (int)(rgbmeans[1] * getBrightness());
                tb += (int)(rgbmeans[2] * getBrightness());
                outPixels[index] = (ta << 24) | (clamp(tr) << 16) | (clamp(tg) << 8) | clamp(tb);
        	}
        }
        setRGB( dest, 0, 0, width, height, outPixels );
        return dest;
	}
	
	public int clamp(int value) {
		return value > 255 ? 255 :(value < 0 ? 0 : value);
	}

	public float getContrast() {
		return contrast;
	}

	public void setContrast(float contrast) {
		this.contrast = contrast;
	}

	public float getBrightness() {
		return brightness;
	}

	public void setBrightness(float brightness) {
		this.brightness = brightness;
	}

}


目录
相关文章
|
物联网 测试技术 API
用消费级显卡微调属于自己的Agent
本文为魔搭社区轻量级训练推理工具SWIFT微调实战教程系列
|
API
FreeRTOS学习笔记—FreeRTOS移植
本文学习了如何移植FreeRTOS到自己的STM32工程。最后,根据正点原子提供的测试main函数,测试了移植效果。
1007 0
FreeRTOS学习笔记—FreeRTOS移植
|
存储 开发工具 数据库
搭建zotero到obsidian的工作流
所谓“工欲善其事,必先利其器”(差生文具多),想要针对一个领域研究出成果,首先需要建立其对于这个领域完善的知识体系,即形成属于自己的知识库。现在有非常多的笔记软件,例如Notion、语雀、Obsidian等等,对于建立知识库非常有帮助,下面我就来谈谈我个人探索出来的一套从zotero管理文献,到阅读文献做笔记再到obsidian中形成阅读笔记的丝滑工作流。
2166 0
|
DataWorks 数据可视化 前端开发
《阿里云飞天大数据平台 DataWorks 前端技术解密:工作流调度可视化》(脱敏版本)
## ![image.png](https://intranetproxy.alipay.com/skylark/lark/0/2021/png/13481/1614773723538-e8d99a86-b04d-47bb-86ad-90cdb07ac657.png#height=220&id=QQWI7&margin=%5Bobject%20Object%5D&name=image.png&or
1012 0
|
4月前
|
消息中间件 监控 RocketMQ
RocketMQ主题路由信息缺失问题分析
总之,RocketMQ的主题路由信息丢失问题并不复杂。只要我们了解它的原因,合理地使用和维护RocketMQ,就能避免因此带来的影响。希望这个分析对你有所帮助。当然,如果在实际应用中遇到其他问题或者对我的解释有疑问,欢迎进一步提问。
174 26
|
10月前
|
存储 人工智能 自然语言处理
AI经营|多Agent择优生成商品标题
商品标题中关键词的好坏是商品能否被主搜检索到的关键因素,使用大模型自动优化标题成为【AI经营】中的核心能力之一,本文讲述大模型如何帮助商家优化商品素材,提升商品竞争力。
1053 62
AI经营|多Agent择优生成商品标题
|
物联网 测试技术 API
LLM 大模型学习必知必会系列(九):Agent微调最佳实践,用消费级显卡训练属于自己的Agent!
LLM 大模型学习必知必会系列(九):Agent微调最佳实践,用消费级显卡训练属于自己的Agent!
LLM 大模型学习必知必会系列(九):Agent微调最佳实践,用消费级显卡训练属于自己的Agent!
|
数据采集 SQL 自然语言处理
阿里云OpenSearch RAG混合检索Embedding模型荣获C-MTEB榜单第一
阿里云OpenSearch引擎通过Dense和Sparse混合检索技术,在中文Embedding模型C-MTEB榜单上拿到第一名,超越Baichuan和众多开源模型,尤其在Retrieval任务上大幅提升。
2111 4
|
数据安全/隐私保护 计算机视觉 Python
如何使用Python给图片添加水印
如何使用Python给图片添加水印
285 0