亮度调整是将图像像素的强度整体变大/变小，对比度调整指的是图像暗处变得更暗，亮出变得更亮，从而拓宽某个区域内的显示精度。
OpenCV中亮度和对比度应用这个公式来计算：g(x) = αf(x) + β，其中：α(>0)、β常称为增益与偏置值，分别控制图片的对比度和亮度。
img = cv2.imread(‘lena.jpg‘) # 此处需注意，请参考后面的解释 res = np.uint8(np.clip((1.5 * img + 10), 0, 255)) tmp = np.hstack((img, res)) # 两张图片横向合并（便于对比显示） cv2.imshow(‘image‘, tmp) cv2.waitKey(0)
还记得图像混合那一节中numpy对数据溢出的取模处理吗？250+10 = 260 => 260%256=4，它并不适用于我们的图像处理，所以用np.clip()函数将数据限定：a<0 => a=0, a>255 => a=255
做个小练习吧！创建两个滑动条分别调整对比度和亮度（对比度范围：0~0.3， 亮度0~100）。提示：因为滑动条没有小数，所以可以设置为0~300，然后乘以0.01
import cv2 import numpy as np alpha = 0.3 beta = 80 img_path = "./a.png" img = cv2.imread(img_path) img2 = cv2.imread(img_path) def updateAlpha(x): global alpha,img,img2 alpha = cv2.getTrackbarPos(‘Alpha‘,‘image‘) alpha = alpha * 0.01 img = np.uint8(np.clip((alpha * img2 + beta), 0, 255)) def updateBeta(x): global beta,img,img2 beta = cv2.getTrackbarPos(‘Beta‘,‘image‘) img = np.uint8(np.clip((alpha * img2 + beta), 0, 255)) # 创建窗口 cv2.namedWindow(‘image‘) cv2.createTrackbar(‘Alpha‘,‘image‘,0,300,updateAlpha) cv2.createTrackbar(‘Beta‘,‘image‘,0,255,updateBeta) cv2.setTrackbarPos(‘Alpha‘,‘image‘,100) cv2.setTrackbarPos(‘Beta‘,‘image‘,10) # 设置鼠标事件回调 #cv2.setMouseCallback(‘image‘,update) while(True): cv2.imshow(‘image‘,img) if cv2.waitKey(1) == ord(‘q‘): break cv2.destroyAllWindows()
代码就不解释了，不了解的可参考这个教程：Python-OpenCV基础入门——滑动条组件（非常简明易懂）
原文：https://www.cnblogs.com/lfri/p/10753019.html