CV画像とは、画像の明るさとコントラストを調整してみよう
Python の CV2 のコンテキストでは、画像を読み取ると、画像の色と明るさを示す uint8 値を持つ Y 座標と X 座標の 2D または 3D 配列として保存されます。 uint8 という用語は、0 ~ 255 の範囲の 8 ビット符号なし整数データ型を指します。これは、赤、緑、青 (RGB) の 3 つのチャネルと組み合わされて、カラー イメージを形成します。
この構造が重要な理由
通常の配列のように画像の一部を変更し始めると (例: 3 で割るなど)、この形式が失われる可能性があります。たとえば、ピクセル値が 0 ~ 255 の範囲外になると、画像が使用できなくなる場合があります。画像を正しく操作するには、この構造を理解することが重要です。
CV2 での画像の表示
CV2 Python ライブラリでは、次のコード スニペットを使用して画像を簡単に表示できます。
#pip install opencv-python # if not already installed import cv2 # Load an image image = cv2.imread('./test.png') # Display the image in a window cv2.imshow('Image', image) cv2.waitKey(0) cv2.destroyAllWindows()
上記のコードは、コンピューター上に画像を表示するポップアップ ウィンドウを開きます。独自の画像に URL を追加してテストしてください。 その後、ズームインして、画像のピクセルレベルの RGB 値を観察できます。この基本機能は、画像処理を検討するための優れた出発点です。
明るさとコントラスト
明るさとコントラストとは何ですか?
- 明るさは、画像の全体的な明るさまたは暗さを指し、ピクセルの強度によって決まります。
- コントラストとは、基準値 (平均ピクセル強度など) と比較したピクセル間の強度の差を指します。基本的に、画像の変化がどの程度「鮮明」または「明確」であるかを測定します。
数学的には、明るさとコントラストは次の式を使用して調整できます。
new_image=コントラスト×画像の明るさ
CV2 での明るさとコントラストの適用
OpenCV の cv2.convertScaleAbs() 関数は、このプロセスを自動化します。ピクセル値が 0 ~ 255 の範囲内に収まるように、上記の式を適用します。
その仕組みは次のとおりです:
- アルファ (コントラスト): スケーリング係数。通常は 0.0 ~ 3.0 です。
- ベータ (明るさ): オフセット値、通常は -100 ~ 100 です
使用例:
new_image = cv2.convertScaleAbs(画像、アルファ=コントラスト、ベータ=明るさ)
これにより、ピクセル値を手動でクリップすることなく、明るさとコントラストを簡単に変更できます。
image = cv2.imread('./test.png') cv2.namedWindow('Adjustments') contrast=0.8 brightness=89 image=cv2.convertScaleAbs(image, alpha=contrast, beta=brightness) cv2.imshow('Adjustments', image) cv2.waitKey(0) cv2.destroyAllWindows()
コールバックを使用したインタラクティブな調整の作成
一度限りの調整は便利ですが、ほとんどの場合、明るさとコントラストをインタラクティブに調整したいと考えます。 OpenCV では、トラックバーを使用してこれを実現できます。
トラックバーは cv2.createTrackbar() で作成でき、値を動的に調整できます。一般的な構文は次のとおりです:
cv2.createTrackbar(トラックバー名, winname, 値, カウント, onChange_function)
- trackbarname: トラックバーの名前。
- winname: トラックバーが表示される OpenCV ウィンドウの名前。
- 値: トラックバーの初期位置。
- カウント: トラックバーの最大値。
- onChange_function: トラックバーの値が変更されるたびに呼び出されるコールバック関数。
これらのトラックバーは、onChange_function で次のように呼び出すことができます;
cv2.getTrackbarPos(トラックバー名, Win名)
・trackbarname: トラックバーの名前
・ winname: トラックバーが表示される OpenCV ウィンドウの名前。
明るさとコントラストの両方を調整するには、2 つのトラックバーが必要です。
#pip install opencv-python # if not already installed import cv2 # Load an image image = cv2.imread('./test.png') # Display the image in a window cv2.imshow('Image', image) cv2.waitKey(0) cv2.destroyAllWindows()
コントラストと明るさのスライダーを調整すると、on_change 関数がトリガーされ、cv2.getTrackbarPos() を使用してトラックバーから値を読み取ります。これらの値は、cv2.convertScaleAbs 関数を使用して画像に適用され、更新された画像がリアルタイムで表示されます。
アプリをよりユーザーフレンドリーにするために、ユーザーが x キーを押して終了できるようにする簡単なスニペットを最後に追加しました。これにより、ウィンドウを閉じてもコードの実行が必ずしも停止するとは限らないという OpenCV の一般的な問題が解決されます。これを実装することで、アプリはプロセスを長引かせることなく確実に終了します。
以上がCV画像とは、画像の明るさとコントラストを調整してみようの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











Pythonは、データサイエンス、Web開発、自動化タスクに適していますが、Cはシステムプログラミング、ゲーム開発、組み込みシステムに適しています。 Pythonは、そのシンプルさと強力なエコシステムで知られていますが、Cは高性能および基礎となる制御機能で知られています。

2時間以内にPythonの基本的なプログラミングの概念とスキルを学ぶことができます。 1.変数とデータ型、2。マスターコントロールフロー(条件付きステートメントとループ)、3。機能の定義と使用を理解する4。

PythonはゲームとGUI開発に優れています。 1)ゲーム開発は、2Dゲームの作成に適した図面、オーディオ、その他の機能を提供し、Pygameを使用します。 2)GUI開発は、TKINTERまたはPYQTを選択できます。 TKINTERはシンプルで使いやすく、PYQTは豊富な機能を備えており、専門能力開発に適しています。

2時間以内にPythonの基本を学ぶことができます。 1。変数とデータ型を学習します。2。ステートメントやループの場合などのマスター制御構造、3。関数の定義と使用を理解します。これらは、簡単なPythonプログラムの作成を開始するのに役立ちます。

Pythonは学習と使用が簡単ですが、Cはより強力ですが複雑です。 1。Python構文は簡潔で初心者に適しています。動的なタイピングと自動メモリ管理により、使いやすくなりますが、ランタイムエラーを引き起こす可能性があります。 2.Cは、高性能アプリケーションに適した低レベルの制御と高度な機能を提供しますが、学習しきい値が高く、手動メモリとタイプの安全管理が必要です。

限られた時間でPythonの学習効率を最大化するには、PythonのDateTime、時間、およびスケジュールモジュールを使用できます。 1. DateTimeモジュールは、学習時間を記録および計画するために使用されます。 2。時間モジュールは、勉強と休息の時間を設定するのに役立ちます。 3.スケジュールモジュールは、毎週の学習タスクを自動的に配置します。

Pythonは、Web開発、データサイエンス、機械学習、自動化、スクリプトの分野で広く使用されています。 1)Web開発では、DjangoおよびFlask Frameworksが開発プロセスを簡素化します。 2)データサイエンスと機械学習の分野では、Numpy、Pandas、Scikit-Learn、Tensorflowライブラリが強力なサポートを提供します。 3)自動化とスクリプトの観点から、Pythonは自動テストやシステム管理などのタスクに適しています。

Pythonは、自動化、スクリプト、およびタスク管理に優れています。 1)自動化:OSやShutilなどの標準ライブラリを介してファイルバックアップが実現されます。 2)スクリプトの書き込み:Psutilライブラリを使用してシステムリソースを監視します。 3)タスク管理:スケジュールライブラリを使用してタスクをスケジュールします。 Pythonの使いやすさと豊富なライブラリサポートにより、これらの分野で優先ツールになります。
