


So passen Sie die Helligkeit und den Kontrast eines Bildes mit Python an
So passen Sie mit Python die Helligkeit und den Kontrast von Bildern an
Einführung:
Bei der Bildverarbeitung ist das Anpassen von Helligkeit und Kontrast einer der häufigsten und wichtigsten Vorgänge. Python bietet eine Fülle von Bildverarbeitungsbibliotheken wie PIL, OpenCV usw., mit denen diese beiden Vorgänge problemlos implementiert werden können. In diesem Artikel wird die Verwendung von Python-Code zum Anpassen der Helligkeit und des Kontrasts von Bildern vorgestellt und entsprechende Codebeispiele gegeben.
Teil Eins: Bildhelligkeit anpassen
Die Anpassung der Bildhelligkeit kann durch Ändern des RGB-Werts jedes Pixels erreicht werden. Die spezifische Methode besteht darin, dem RGB-Wert jedes Pixels ein festes Inkrement hinzuzufügen. Hier ist ein Beispielcode, der die PIL-Bibliothek verwendet, um die Helligkeit eines Bildes anzupassen:
from PIL import ImageEnhance # 打开图像 image = Image.open('image.jpg') # 创建Enhancer对象 enhancer = ImageEnhance.Brightness(image) # 调整亮度为原来的2倍 bright_image = enhancer.enhance(2) # 显示图像 bright_image.show() # 保存图像 bright_image.save('bright_image.jpg')
Im obigen Code wird zunächst ein Bild über die Funktion Image.open() geöffnet und dann mit ImageEnhance ein Enhancer-Objekt erstellt .Brightness()-Funktion. Verwenden Sie dann die Methode „Enhance()“ des Enhancer-Objekts, um die Helligkeit des Bildes anzupassen. Der Parameter stellt das Vielfache der Helligkeit dar. Rufen Sie abschließend die Methode show() auf, um das angepasste Bild anzuzeigen, oder verwenden Sie die Methode save(), um das Bild zu speichern.
Teil 2: Anpassen des Bildkontrasts
Die Anpassung des Bildkontrasts erfolgt durch Ändern der relativen Helligkeit jedes Pixels. Die spezifische Methode besteht darin, den RGB-Wert jedes Pixels mit einem festen Inkrement zu multiplizieren. Unten ist ein Beispielcode, der die OpenCV-Bibliothek verwendet, um den Kontrast eines Bildes anzupassen:
import cv2 # 读取图像 image = cv2.imread('image.jpg') # 提取亮度通道 hsv_image = cv2.cvtColor(image, cv2.COLOR_BGR2HSV) v_channel = hsv_image[:,:,2] # 调整亮度为原来的2倍 contrast_image = cv2.addWeighted(v_channel, 2, np.zeros(v_channel.shape, v_channel.dtype), 0, 0) # 将亮度通道替换回原图像 hsv_image[:,:,2] = contrast_image contrast_image = cv2.cvtColor(hsv_image, cv2.COLOR_HSV2BGR) # 显示图像 cv2.imshow('contrast_image', contrast_image) cv2.waitKey(0) # 保存图像 cv2.imwrite('contrast_image.jpg', contrast_image)
Im obigen Code wird ein Bild zuerst mit der Funktion cv2.imread() gelesen und dann wird das Bild aus der BGR-Farbe konvertiert Verwenden Sie die Funktion cv2.cvtColor(), um den Farbraum in den HSV-Farbraum umzuwandeln, da der HSV-Farbraum empfindlicher auf Helligkeitsänderungen reagiert. Anschließend wird durch Extrahieren des Helligkeitskanals hsv_image[:,:,2] ein zweidimensionales Array v_channel erhalten, das die Helligkeit darstellt.
Verwenden Sie dann die Funktion cv2.addWeighted(), um die Helligkeitskanäle linear zu kombinieren, um den Kontrast anzupassen, wobei der erste Parameter das Eingabebild und der zweite Parameter das Vielfache der Helligkeit darstellt, hier auf 2 eingestellt. Abschließend wird der angepasste Helligkeitskanal wieder durch das Originalbild ersetzt und das Bild wird über die Funktion cv2.cvtColor() vom HSV-Farbraum zurück in den BGR-Farbraum konvertiert.
Abschließend wird das angepasste Bild über die Funktion cv2.imshow() angezeigt, mit cv2.waitKey(0) wird auf den Schlüssel gewartet und mit der Funktion cv2.imwrite() wird das Bild gespeichert.
Fazit:
Anhand der obigen Codebeispiele können wir sehen, dass die Verwendung von Python zum Anpassen der Helligkeit und des Kontrasts von Bildern sehr einfach ist und mit nur wenigen Codezeilen erreicht werden kann. Durch unterschiedliche Parametereinstellungen können unterschiedliche Grade der Helligkeits- und Kontrastanpassung erreicht werden, um unterschiedlichen Anforderungen gerecht zu werden. In praktischen Anwendungen können geeignete Anpassungsmethoden und Parameter je nach Situation ausgewählt werden, um die besten Ergebnisse zu erzielen. Ich hoffe, dass dieser Artikel den Lesern beim Erlernen und Üben der Bildverarbeitung hilfreich sein wird.
Das obige ist der detaillierte Inhalt vonSo passen Sie die Helligkeit und den Kontrast eines Bildes mit Python an. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Python eignet sich für Datenwissenschafts-, Webentwicklungs- und Automatisierungsaufgaben, während C für Systemprogrammierung, Spieleentwicklung und eingebettete Systeme geeignet ist. Python ist bekannt für seine Einfachheit und sein starkes Ökosystem, während C für seine hohen Leistung und die zugrunde liegenden Kontrollfunktionen bekannt ist.

Sie können grundlegende Programmierkonzepte und Fähigkeiten von Python innerhalb von 2 Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master Control Flow (bedingte Anweisungen und Schleifen), 3.. Verstehen Sie die Definition und Verwendung von Funktionen, 4. Beginnen Sie schnell mit der Python -Programmierung durch einfache Beispiele und Code -Snippets.

Python wird in den Bereichen Webentwicklung, Datenwissenschaft, maschinelles Lernen, Automatisierung und Skripten häufig verwendet. 1) In der Webentwicklung vereinfachen Django und Flask Frameworks den Entwicklungsprozess. 2) In den Bereichen Datenwissenschaft und maschinelles Lernen bieten Numpy-, Pandas-, Scikit-Learn- und TensorFlow-Bibliotheken eine starke Unterstützung. 3) In Bezug auf Automatisierung und Skript ist Python für Aufgaben wie automatisiertes Test und Systemmanagement geeignet.

Sie können die Grundlagen von Python innerhalb von zwei Stunden lernen. 1. Lernen Sie Variablen und Datentypen, 2. Master -Steuerungsstrukturen wie wenn Aussagen und Schleifen, 3. Verstehen Sie die Definition und Verwendung von Funktionen. Diese werden Ihnen helfen, einfache Python -Programme zu schreiben.

Wie lehre ich innerhalb von 10 Stunden die Grundlagen für Computer -Anfänger für Programmierungen? Wenn Sie nur 10 Stunden Zeit haben, um Computer -Anfänger zu unterrichten, was Sie mit Programmierkenntnissen unterrichten möchten, was würden Sie dann beibringen ...

Wie kann man nicht erkannt werden, wenn Sie Fiddlereverywhere für Man-in-the-Middle-Lesungen verwenden, wenn Sie FiddLereverywhere verwenden ...

Laden Sie Gurkendateien in Python 3.6 Umgebungsbericht Fehler: ModulenotFoundError: Nomodulennamen ...

Wie löste ich das Problem der Jiebeba -Wortsegmentierung in der malerischen Spot -Kommentaranalyse? Wenn wir malerische Spot -Kommentare und -analysen durchführen, verwenden wir häufig das Jieba -Word -Segmentierungstool, um den Text zu verarbeiten ...


Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

WebStorm-Mac-Version
Nützliche JavaScript-Entwicklungstools

MantisBT
Mantis ist ein einfach zu implementierendes webbasiertes Tool zur Fehlerverfolgung, das die Fehlerverfolgung von Produkten unterstützen soll. Es erfordert PHP, MySQL und einen Webserver. Schauen Sie sich unsere Demo- und Hosting-Services an.

SublimeText3 Linux neue Version
SublimeText3 Linux neueste Version

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor