• 【OpenCV 例程200篇】208. Photoshop 对比度自动调整算法


    OpenCV 例程200篇 总目录


    【youcans 的 OpenCV 例程200篇】208. Photoshop 对比度自动调整算法

    对比度是指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。 当对比率达到 120:1 就可以容易地显示生动、丰富的色彩,对比率高达 300:1 时就可支持各阶的颜色。

    对比度对视觉效果的影响非常关键。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。

    对比度调整的目的通常是增强对比度,形成清晰的图像效果和醒目的视觉冲击力。

    Photoshop 提供了自动对比度调整功能(AutoContrast),通过自动将图像最深的颜色加强为黑色,最亮的部分加强为白色,以增强图像的亮度和暗度的对比度。

    Photoshop 中的自动对比度调整算法,与自动色阶调整算法基本相同,区别在于对比度自动调整不是对三个通道分别调整,而是对各通道按统一的比例进行调整。首先获取图像的亮度信息,然后根据修剪比例对亮度进行动态范围的拉伸,同比例调整 R,G,B 三个通道,因此不会出现色偏问题。

    Enhance Monochromatic Contrast
    Clips all channels identically. This preserves the overall color relationship while making highlights appear lighter and shadows appear darker. The Auto Contrast command uses this algorithm.

    参考文献: Set Auto adjustment options (adobe.com)

    在这里插入图片描述

    输入色阶调整,先根据黑场阈值和白场阈值对图像的动态范围进行线性拉伸,再根据灰场调节值进行伽马变换,对发白(曝光过度)或过暗(曝光不足)进行矫正。

    V 1 = { 0 , V i n < S i n 255 , V i n > H i n 255 ∗ ( V i n − S i n ) / ( H i n − S i n ) , e l s e V 2 = 255 ∗ ( V 1 / 255 ) 1 / M

    V1={0,Vin<Sin255,Vin>Hin255(VinSin)/(HinSin),elseV2=255(V1/255)1/M
    V1=0255255(VinSin)/(HinSin),Vin<Sin,Vin>Hin,elseV2=255(V1/255)1/M

    输出色阶调整是基于动态范围进行线性拉伸:

    V o u t = { 0 , V 2 < 0 255 , V 2 > 255 S o u t + ( H o u t − S o u t ) ∗ V 2 ∗ / 255 , e l s e V_{out} =

    {0,V2<0255,V2>255Sout+(HoutSout)V2/255,else
    Vout=0255Sout+(HoutSout)V2/255,V2<0,V2>255,else


    例程 14.15:Photoshop 对比度自动调整算法

    本例程实现 Photoshop 的对比度自动调整算法,对三个通道同时调整。

        # 14.15 Photoshop 对比度自动调整算法
        def autoLevels(img, cutoff=0.1):  # 自动色阶调整
            channels = img.shape[2]  # h,w,ch
            table = np.zeros((1,256,3), np.uint8)
            for ch in range(channels):
                # cutoff=0.1, 计算 0.1%, 99.9% 分位的灰度值
                low = np.percentile(img[:,:,ch], q=cutoff)  # ch 通道, cutoff=0.1, 0.1 分位的灰度值
                high = np.percentile(img[:,:,ch], q=100 - cutoff)  # 99.9 分位的灰度值, [0, high] 占比99.9%
                # 输入动态线性拉伸
                Sin = min(max(low, 0), high - 2)  # Sin, 黑场阈值, 0<=Sin<Hin
                Hin = min(high, 255)  # Hin, 白场阈值, Sin<Hin<=255
                difIn = Hin - Sin
                V1 = np.array([(min(max(255*(i-Sin)/difIn, 0), 255)) for i in range(256)])
                # 灰场伽马调节
                gradMed = np.median(img[:,:,ch])  # 拉伸前的中值
                Mt = V1[int(gradMed)] / 128.  # 拉伸后的映射值
                V2 = 255 * np.power(V1/255, 1/Mt)  # 伽马调节
                # 输出线性拉伸
                Sout, Hout = 5, 250  # Sout 输出黑场阈值, Hout 输出白场阈值
                difOut = Hout - Sout
                table[0, :, ch] = np.array([(min(max(Sout + difOut*V2[i]/255, 0), 255)) for i in range(256)])
            return cv.LUT(img, table)
    
        def autoContrast(img, cutoff):  # 自动对比度调整
            gray = cv.cvtColor(img, cv.COLOR_BGR2GRAY)  # 转换为灰度图像
            # 计算 0.1%, 99.9% 分位的灰度值
            Sin = np.percentile(gray, q=cutoff)  # cutoff=0.1, 0.1 分位的灰度值
            Hin = np.percentile(gray, q=100 - cutoff)  # 99.9 分位的灰度值, [0, per999] 占比99.9%
            # 输入动态线性拉伸
            difIn = Hin - Sin
            V1 = np.array([(min(max(255 * (i-Sin)/difIn,0), 255)) for i in range(256)])
            # 灰场伽马调节, Mt: 0.01~9.99
            gradMed = np.median(gray)  # 拉伸前的中值
            Mt = V1[int(gradMed)] / 160.  # 拉伸后的映射值
            V2 = 255 * np.power(V1/255, 1/Mt)  # 伽马调节
            # 输出线性拉伸
            Sout, Hout = 5, 250  # Sout 输出黑场阈值, Hout 输出白场阈值
            difOut = Hout - Sout
            table = np.array([(min(max(Sout + difOut*V2[i]/255, 0), 255)) for i in range(256)]).astype("uint8")
            imgTone = cv.LUT(img, table)
            return imgTone
    
        # Photoshop 自动对比度调整算法
        img = cv.imread("../images/Fig0310b.tif", flags=1)  # 读取彩色图像
        # img = cv.imread("../images/demist02.png", flags=1)  # 读取彩色图像
    
        # 色阶自动调整
        cutoff = 0.1  # 截断比例, 建议范围 [0.0,1.0]
        levelsAuto = autoLevels(img, cutoff)
        # 对比度自动调整
        cutoff = 0.1  # 截断比例, 建议范围 [0.0,1.0]
        contrastAuto = autoContrast(img, cutoff)
    
        plt.figure(figsize=(9, 6))
        plt.subplot(131), plt.title("Origin"), plt.axis('off')
        plt.imshow(cv.cvtColor(img, cv.COLOR_BGR2RGB))
        plt.subplot(132), plt.title("AutoLevels"), plt.axis('off')
        plt.imshow(cv.cvtColor(levelsAuto, cv.COLOR_BGR2RGB))
        plt.subplot(133), plt.title("AutoContrast"), plt.axis('off')
        plt.imshow(cv.cvtColor(contrastAuto, cv.COLOR_BGR2RGB))
        plt.tight_layout()
        plt.show()
    
    • 1
    • 2
    • 3
    • 4
    • 5
    • 6
    • 7
    • 8
    • 9
    • 10
    • 11
    • 12
    • 13
    • 14
    • 15
    • 16
    • 17
    • 18
    • 19
    • 20
    • 21
    • 22
    • 23
    • 24
    • 25
    • 26
    • 27
    • 28
    • 29
    • 30
    • 31
    • 32
    • 33
    • 34
    • 35
    • 36
    • 37
    • 38
    • 39
    • 40
    • 41
    • 42
    • 43
    • 44
    • 45
    • 46
    • 47
    • 48
    • 49
    • 50
    • 51
    • 52
    • 53
    • 54
    • 55
    • 56
    • 57
    • 58
    • 59
    • 60
    • 61
    • 62

    在这里插入图片描述


    在这里插入图片描述

    例程运行结果的上图接近灰度图像,色阶自动调整与对比度自动调整的效果类似,没有明显的区别。而在下图中出,色阶自动调整由于对 R/G/B 三个通道单独进行调整,出现了明显的色偏问题;而对比度自动调整则不会发生色偏。



    【本节完】

    版权声明:
    参考文献: Use the Photoshop Levels adjustment (adobe.com)
    youcans@xupt 原创作品,转载必须标注原文链接:(https://blog.csdn.net/youcans/article/details/125389684)
    Copyright 2022 youcans, XUPT
    Crated:2022-6-20
    欢迎关注 『youcans 的 OpenCV 例程 200 篇』 系列,持续更新中
    欢迎关注 『youcans 的 OpenCV学习课』 系列,持续更新中

    201. 图像的颜色空间转换
    202. 查表快速替换(cv.LUT)
    203. 伪彩色图像处理
    204. 图像的色彩风格滤镜
    205. 调节色彩平衡/饱和度/明度
    206. Photoshop 色阶调整算法
    207. Photoshop 色阶自动调整算法
    208. Photoshop 对比度自动调整算法

  • 相关阅读:
    Java—类加载的基本机制和过程
    性能测试面试问题,一周拿3个offer不嫌多
    Vue之VueX知识探索(一起了解关于VueX的新世界)
    搓一个Pythonic list
    若依以及flowbale达梦国产化数据库改造_全网最细
    OrCAD原理图关联Allegro PCB交互设计设置的方法
    C++ 运算符学习资料
    Another app is currently holding the yum lock; waiting for it to exit
    【智慧医疗】Springboot+Vue+Element-UI前后端分离的医疗管理平台
    冶金行业S2B2B商城交易系统:夯实企业资源聚合能力,提升管理水平
  • 原文地址:https://blog.csdn.net/youcans/article/details/125389684