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对比度。到目前为止,我找到的最快的方法是使用这段代码(其中np是numpy导入)按照original C-based cv1 docs中的建议进行乘法和加法运算:
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)
在Python中有没有更快的方法来实现这一点?我试过使用numpy的标量乘法,但性能实际上更差。我也试过使用cv2.convertScaleAbs
(OpenCV文档建议使用convertTo
,但是cv2似乎缺少这个函数的接口),但是在测试中性能再次变差。
使用cv::addWeighted函数。它的设计是为了处理两个图像
但是如果你使用同一张图片两次,把beta设置为0,你可以得到你想要的效果
使用此函数的最大优点是,当值低于0或高于255时,您不必担心会发生什么。在纽比,你得自己想办法剪掉所有的照片。使用OpenCV函数,它可以为您完成所有的剪辑,而且速度很快。
请尝试以下代码:
日落前: 增强对比度后的日落:
正如阿比德·拉哈曼K所评论的,numpy数组中的简单算法是最快的。
使用此图像例如:http://i.imgur.com/Yjo276D.png
下面是一些类似于亮度/对比度操作的图像处理:
原始图像灰度:
似乎被放大的明亮图像:
看起来被侵蚀、锐化、对比度更好的深色图像:
如何变换像素强度:
如果你玩弄
phi
和theta
的值,你会得到非常有趣的结果。您还可以对多通道图像数据实现此技巧。---编辑---
在this youtube video上查看“levels”和“curves”的概念,在photoshop中显示图像编辑。线性变换的方程式在每个像素上创建相同的变化量,即“级别”。如果你写了一个方程,可以区分不同类型的像素(例如,那些已经有一定值的像素),那么你可以根据方程描述的“曲线”来改变像素。
相关问题 更多 >
编程相关推荐