浅谈图像亮度自适应调整
　　本篇主要是对论文：Automatic Exposure Correction of Consumer Photographs 的实现总结。
作用是为了让图像曝光、细节更好。
　　根据对输入图像的亮度信息进行分析处理，进而获得该图片对应的S型Gamma曲线。利用这条曲线对输入图像进行处理，得到更好曝光和细节效果的图像。
　　将输入图像缩放后，利用：graph-based segmentation方法进行图像分割，直接网上搜索该关键字，有对应的论文和直接的代码下载，代码做点小修改之后
可以直接opencv编译通过。
　　得到的结果如下：
缩放后图像 区域分割后图像
　　首先将图像归一化，接着根据亮度0.0、0.1....1.0将图像分为11层。然后将之前分割出来的区域块，根据亮度层进行合并。
得到的结果如下：
区域合并后图像
　　将图像根据前面的分层和亮度中间值V为分界线，将图像分为暗区和两区两部分；，对图像分别用Gamma(2.2, 0.445)进行处理，得到欠曝和过曝图像。
接着对着三张图像进行canny 细节提取。针对之前得到的前面分层，根据每层亮度是否大于V，计算出该层的细节占总细节的比例：Vb或者Vh。
区域尺寸比例
　　计算出每层区域的像素占整个图像像素的比例，对应为：Ci;
相邻层直方图距离
　　得到每层对应的直方图，计算两两相邻层之间，直方图重合区域最大时候移动的距离，记录为Dij。
区域层亮度重映射
　　根据论文上公式：
　　根据公式算法，枚举所有可能的的区域层亮度组合，算出每种组合的Z值，取Z值最小时候的组合，就是我们求得的新区域层亮度。
如本文图片范例所示：最开始的区域层亮度为：0 1 2 3 4 7 8；算法调整后为：2, 2, 2, 3, 5, 7, 8。亮处的区域层亮度没有变化，暗处区域层
亮度增加了不少。
　　前面得到的区域层亮度，就是用来求S曲线的Qs, Qh。如下图所示：
　　Qs由如下公式求得：
　　ei可以理解为区域层亮度调整前的区域亮度与区域size的比值；e'i为区域层亮度调整后的区域亮度与区域size的比值。
Qh也是类似方式求得，本文范例图像上，亮处区域调整为0，所以Qh计算出来为0，Qs为正数。
　　接着便可以利用公式：
对原图像进行S曲线调整。 　　处理后的结果对比如下：
S曲线调整后结果对比
　　可以明显的看到，暗处的亮度和细节已经起来了。
　　前面的调整，提高暗处亮度，本质上会压缩了中间区域的动态范围，将会导致图像看起来有些朦胧模糊；因此在这基础上，还需要
做些细节增强的处理。对原图像I做guided filter，到新图像F,用I - F得到用来增强细节的图像。
接着使用如下公式进行处理：
处理后的结果对比如下：
可以看到右边图像细节部分，得到了增强。
　　前面可以看到，新图像亮度增加之后，饱和度会降低。所以，这里根据原图像亮度和色彩的比值，以及新图像的亮度，
来从新调整新图像的色彩。
处理后的结果对比如下：
　　可以看到新图像的色彩饱和度已经起来了。
另外需要注意，该算法的大缺点：会放大噪声。
　　以上，图像调整完毕。
　　最后，看几组该算法的处理结果：
　　可以看到：该算法对弱光下拍摄的图像，暗处细节得到了明显的加强，同时对正常曝光的图像，也不会造成变坏的影响。/*--------------------CSS部分-------------------*/
/*--------------------JS部分-------------------*/
在数学中我们学过线性理论，在图像亮度和对比度调节中同样适用，看下面这个公式：
在图像像素中其中：
参数f(x)表示源图像像素。
参数g(x) 表示输出图像像素。
参数a（需要满足a&0）被称为增益（gain），常常被用来控制图像的对比度。
参数b通常被称为偏置（bias），常常被用来控制图像的亮度。
一、获取图像像素
在opencv中图像数据是存放在Mat数据类型中，我们知道一个像素有rgb构成，所以Mat是个三维数组，一下就是简单的获取mat中图像像素。
//三个for循环，执行运算 new_image(i,j) =a*image(i,j) + b
for(int y = <span style="color: #; y & image. y++ )
for(int x = <span style="color: #; x & image. x++ )
for(int c = <span style="color: #; c & <span style="color: #; c++ )
new_image.at&Vec3b&(y,x)[c]= saturate_cast&uchar&( (g_nContrastValue*<span style="color: #.01)*(image.at&Vec3b&(y,x)[c] ) + g_nBrightValue );
上述代码中image.at&Vec3b&(y,x)[c] 其中，y是像素所在的行， x是像素所在的列， c是R、G、B（对应0、1、2）其中之一。
saturate_cast为了安全转换，运算结果可能超出像素取值范围（溢出），还可能是非整数（如果是浮点数的话），用saturate_cast对结果进行转换，以确保它为有效值。
二、实例程序
tatic void ContrastAndBright(int, void *);
//-----------------------------------【main( )函数】--------------------------------------------
描述：控制台应用程序的入口函数，我们的程序从这里开始
//-----------------------------------------------------------------------------------------------
string strWindowName = &对比度亮度效果图&;
string strTraName = &对比度&;
string strTraName1 = &亮度&;
int g_nContraValue = <span style="color: #;
int g_nBrightValue = <span style="color: #;
Mat g_srcImage,g_dstI
system(&color 5E&);
g_srcImage= imread(&dota_jugg.jpg&);
if(!g_srcImage.data ) { printf(&Oh，no，读取g_srcImage图片错误~！\n&); return -<span style="color: #; }
g_dstImage= Mat::zeros( g_srcImage.size(), g_srcImage.type() );
//创建窗口
namedWindow(&【原始图窗口】&, <span style="color: #);
//显示图像
imshow(&【原始图窗口】&, g_srcImage);
namedWindow(strWindowName);
createTrackbar(strTraName,strWindowName,&g_nContraValue,<span style="color: #0,ContrastAndBright);
createTrackbar(strTraName1,strWindowName,&g_nBrightValue,<span style="color: #0,ContrastAndBright);
/*if(MultiChannelBlending( ))
cout&&endl&&&嗯。好了，得出了你需要的混合值图像~&;
//调用回调函数
waitKey(<span style="color: #);
return <span style="color: #;
void ContrastAndBright(int, void *)
//三个for循环，执行运算 g_dstImage(i,j) =a*g_srcImage(i,j) + b
for(int y = <span style="color: #; y & g_srcImage. y++ )
for(int x = <span style="color: #; x & g_srcImage. x++ )
for(int c = <span style="color: #; c & <span style="color: #; c++ )
g_dstImage.at&Vec3b&(y,x)[c]= saturate_cast&uchar&( (g_nContraValue*<span style="color: #.01)*(g_srcImage.at&Vec3b&(y,x)[c] ) + g_nBrightValue );
imshow(strWindowName, g_dstImage);
三、代码分析
上述代码中流程为：
1、获取源图像srcImage
2、创建以个目标图像dstImage，全是0，所以是黑色图像。
3、创建图像窗口
4、创建轨迹条（Trackbar），更改对比度和亮度的值，同时函数有回调函数，当移动bar函数调用。
5、对比度、亮度修改函数。
6、显示图像
四、轨迹条（Trackbar）的创建和使用
C++: int createTrackbar(conststring& trackbarname, conststring& winname,
int* value, int count, TrackbarCallback onChange=<span style="color: #,void* userdata=<span style="color: #);
//第一个参数，const string&类型的trackbarname，表示轨迹条的名字，用来代表我们创建的轨迹条。
//第二个参数，const string&类型的winname，填窗口的名字，表示这个轨迹条会依附到哪个窗口上，即对应namedWindow（）创建窗口时填的某一个窗口名。
///第三个参数，int* 类型的value，一个指向整型的指针，表示滑块的位置。并且在创建时，滑块的初始位置就是该变量当前的值。
//第四个参数，int类型的count，表示滑块可以达到的最大位置的值。PS:滑块最小的位置的值始终为0。
//第五个参数，TrackbarCallback类型的onChange，首先注意他有默认值0。这是一个指向回调函数的指针，每次滑块位置改变时，这个函数都会进行回调。并且这个函数的原型必须为void XXXX(int,void*);其中第一个参数是轨迹条的位置，第二个参数是用户数据（看下面的第六个参数）。如果回调是NULL指针，表示没有回调函数的调用，仅第三个参数value有变化。
//第六个参数，void*类型的userdata，他也有默认值0。这个参数是用户传给回调函数的数据，用来处理轨迹条事件。如果使用的第三个参数value实参是全局变量的话，完全可以不去管这个userdata参数。
这个createTrackbar函数，为我们创建一个具有特定名称和范围的轨迹条（Trackbar，或者说是滑块范围控制工具），指定一个和轨迹条位置同步的变量。而且要指定回调函数onChange（第五个参数），在轨迹条位置改变的时候来调用这个回调函数。并且我们知道，创建的轨迹条显示在指定的winname（第二个参数）所代表的窗口上。
C++: int getTrackbarPos(conststring& trackbarname, conststring& winname);
//第一个参数，const string&类型的trackbarname，表示轨迹条的名字。
//第二个参数，const string&类型的winname，表示轨迹条的父窗口的名称。
阅读(...) 评论()通过HTML5 Canvas API调节图像的亮度和颜色 - 囧克斯
通过HTML5 Canvas API调节图像的亮度和颜色
你曾否需要调节一张图片的亮度？或者增强红色通道让它变得温暖一些？
这是我之前两篇文章“”和“”的后续。在之前的那些文章里，我提供了一些可分离的颜色滤镜代码：灰度、灰褐色、红色、变亮、变暗等。这些滤镜都是经典的颜色滤镜，每个像素点的颜色都是独立运算的，互不影响。我们的可以将其建模成一个单独数据驱动的称为颜色矩阵滤镜(Color Matrix Filter)的东西。这一概念将会遍布本文。这种滤镜将会以一个包含权重(即系数)的颜色矩阵作为输入，并决定输出的颜色组件(color component)如何和输入的颜色组建相对应。
这个应用实例允许你在一个表格里编辑颜色矩阵，并立即把矩阵应用到当前加载的图片中。下图的表格展示了灰褐色滤镜的矩阵：
通过这个例子，每个像素的新红色组件r’都将会根据给定的r、g、b、a进行如下计算：
r' = 0.393r + 0.769g + 0.189b + 0
作为每个颜色组件值额外的系数i被加载了表格的最后，用来变量或变暗最终的计算值。同理新的g’、b’、a’也进行相似的计算。下面的代码展示了等同于灰褐色颜色矩阵的JavaScript数组：
var sepiaMatrix =
0.393, 0.769, 0.189, 0, 0,
0.349, 0.686, 0.168, 0, 0,
0.272, 0.534, 0.131, 0, 0,
下面这段代码展示了等同于灰度特效矩阵的JavaScript数组：
var grayscaleMatrix =
0.33, 0.34, 0.33, 0, 0,
0.33, 0.34, 0.33, 0, 0,
0.33, 0.34, 0.33, 0, 0,
颜色矩阵滤镜的代码如下：
colorMatrixFilter = function (pixels, m) {
var d = pixels.
for (var i = 0; i & d. i += 4) {
var r = d[i];
var g = d[i + 1];
var b = d[i + 2];
var a = d[i + 3];
= r * m[0] + g * m[1] + b * m[2] + a * m[3] + m[4];
d[i+1] = r * m[5] + g * m[6] + b * m[7] + a * m[8] + m[9];
d[i+2] = r * m[10]+ g * m[11]+ b * m[12]+ a * m[13]+ m[14];
d[i+3] = r * m[15]+ g * m[16]+ b * m[17]+ a * m[18]+ m[19];
我希望你已经乐在其中了。颜色矩阵提供了一个应用颜色滤镜的强大通用工具。
添加新评论 &
: I came across your CSS命名神马的真心难 - 囧克斯 website and w...
: 事件传播包括事件捕获和事件冒泡，并不是一回事。
: I came to your CSS命名神马的真心难 - 囧克斯 page and noticed ...
: 感觉像教前端工程师如何转型UI设计师
: 科学上网http://qwvpn.github.io
: 科学上网浏览器插件http://qwvpn.github.io
: I came to your CSS命名神马的真心难 - 囧克斯 page and noticed ...
: 谢谢，好文章，非常喜欢。
: 讲的不错！
: 是ATOM的默认主题