在 Python 中的 CV2 上下文中，当您读取图像时，它会存储为 Y 和 X 坐标的 2D 或 3D 数组，其中 uint8 值指示图像的颜色和亮度。术语 uint8 是指范围从 0 到 255 的 8 位无符号整数数据类型。它与红、绿和蓝 (RGB) 的 3 个通道相结合，形成彩色图像。
如果您开始像普通数组一样更改图像的某些部分（例如，将其除以 3），您可能会丢失这种格式。例如，像素值可能超出 0 到 255 的范围，导致图像无法使用。理解这种结构对于正确操作图像至关重要。
在 CV2 Python 库中，您可以使用以下代码片段轻松查看图像：
#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()
上面的代码将打开一个弹出窗口，在您的计算机上显示图像。请随意添加一个 url 到您自己的图像中进行测试。 然后，您可以放大以观察图像的像素级 RGB 值。这个基本功能是探索图像处理的一个很好的起点。
从数学上讲，可以使用以下公式调整亮度和对比度：
new_image=对比度×图像亮度
OpenCV 中的 cv2.convertScaleAbs() 函数自动执行此过程。它应用上面的公式，同时确保像素值保持在 0 到 255 的范围内。
工作原理如下：
用法示例：
new_image = cv2.convertScaleAbs(图像, alpha=对比度, beta=亮度)
这使我们能够轻松修改亮度和对比度，而无需手动剪切像素值。
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()
虽然一次性调整很有用，但大多数时候，我们希望交互式地调整亮度和对比度。 OpenCV 允许我们使用轨迹栏来实现这一点。
Trackbars 可以使用 cv2.createTrackbar() 创建，这让我们可以动态调整值。一般语法是：
cv2.createTrackbar(trackbarname, winname, value, count, onChange_function)
然后可以在 onChange_function 中调用这些轨迹栏；
cv2.getTrackbarPos(trackbarname, winname)
・trackbarname：轨迹栏的名称
・ winname：将显示轨迹栏的 OpenCV 窗口的名称。
要调整亮度和对比度，我们需要两个轨迹栏。
#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()
调整对比度和亮度滑块会触发 on_change 函数，该函数使用 cv2.getTrackbarPos() 从轨迹栏读取值。然后使用 cv2.convertScaleAbs 函数将这些值应用于图像，并实时显示更新的图像。
为了使应用程序更加用户友好，我在末尾添加了一个简单的代码片段，以允许用户通过按 x 键退出。这解决了 OpenCV 的一个常见问题，即关闭窗口并不总是会阻止代码运行。通过实现这一点，应用程序可确保干净退出，而不会出现延迟进程。
以上是CV什么是图像？，让我们调整图像的亮度和对比度的详细内容。更多信息请关注PHP中文网其他相关文章！
