OpenCV通過靈活的曝光調(diào)整技術(shù)實(shí)現(xiàn)圖像亮度優(yōu)化，關(guān)鍵方法包括直方圖均衡化、Gamma校正及對(duì)比度自適應(yīng)調(diào)整，直方圖均衡化通過重新分布像素亮度增強(qiáng)整體對(duì)比度，適用于光照不足的圖像；Gamma校正則通過非線性變換調(diào)整暗部或高光細(xì)節(jié)，平衡不同亮度區(qū)域的顯示效果，OpenCV的CLAHE（對(duì)比度受限自適應(yīng)直方圖均衡化）能局部?jī)?yōu)化亮度，避免過度增強(qiáng)噪聲，對(duì)于實(shí)時(shí)處理，還可結(jié)合相機(jī)曝光參數(shù)控制（如CAP_PROP_EXPOSURE）動(dòng)態(tài)調(diào)節(jié)輸入亮度，這些技術(shù)廣泛應(yīng)用于圖像預(yù)處理、自動(dòng)駕駛及醫(yī)學(xué)影像分析，顯著提升后續(xù)特征提取與識(shí)別的準(zhǔn)確性。
OpenCV調(diào)整曝光：如何使用Python輕松優(yōu)化圖像亮度與對(duì)比度
在數(shù)字圖像處理中，曝光（Exposure）是影響圖像質(zhì)量的關(guān)鍵因素之一，過暗或過亮的照片會(huì)導(dǎo)致細(xì)節(jié)丟失，從而影響計(jì)算機(jī)視覺任務(wù)的準(zhǔn)確性，如目標(biāo)檢測(cè)、人臉識(shí)別等，OpenCV作為一款強(qiáng)大的計(jì)算機(jī)視覺庫，提供了多種方法來調(diào)整圖像的曝光，使亮度恢復(fù)到理想水平。
本文將詳細(xì)介紹如何使用OpenCV調(diào)整曝光，涵蓋直方圖均衡化、伽馬校正、亮度調(diào)整等核心方法，并提供Python代碼示例。
OpenCV調(diào)整曝光的方法
1 直方圖均衡化（Histogram Equalization）
直方圖均衡化是一種經(jīng)典的圖像增強(qiáng)技術(shù)，通過重新分配像素值，使圖像的亮度分布更均勻，從而提高對(duì)比度。
代碼示例：全局直方圖均衡化
import cv2
import numpy as np
# 讀取圖像
img = cv2.imread("low_light.jpg", cv2.IMREAD_GRAYSCALE) # 轉(zhuǎn)為灰度圖
# 全局直方圖均衡化
equ = cv2.equalizeHist(img)
# 對(duì)比顯示
cv2.imshow("Original", img)
cv2.imshow("Equalized", equ)
cv2.waitKey(0)
cv2.destroyAllWindows()自適應(yīng)直方圖均衡化（CLAHE）
適用于局部對(duì)比度增強(qiáng)，避免全局均衡化可能導(dǎo)致某些區(qū)域過度增強(qiáng)的問題。
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8, 8))
clahe_img = clahe.apply(img)
cv2.imshow("CLAHE", clahe_img)
cv2.waitKey(0)
cv2.destroyAllWindows()2 伽馬校正（Gamma Correction）
伽馬校正通過調(diào)整伽馬值（γ）來增強(qiáng)或降低圖像的亮度：
- γ < 1：圖像變亮
- γ > 1：圖像變暗
代碼示例
def gamma_correction(img, gamma=1.0):
inv_gamma = 1.0 / gamma
table = np.array([((i / 255.0) ** inv_gamma) * 255
for i in np.arange(0, 256)]).astype("uint8")
return cv2.LUT(img, table)
gamma_img = gamma_correction(img, gamma=0.5) # 提高亮度
cv2.imshow("Gamma Corrected", gamma_img)
cv2.waitKey(0)
cv2.destroyAllWindows()3 亮度與對(duì)比度調(diào)整（Brightness & Contrast Adjustment）
OpenCV允許直接調(diào)整圖像的亮度和對(duì)比度：
alpha = 1.5 # 對(duì)比度系數(shù) (1.0表示無變化)
beta = 30 # 亮度增量（正數(shù)變亮，負(fù)數(shù)變暗）
adjusted = cv2.convertScaleAbs(img, alpha=alpha, beta=beta)
cv2.imshow("Adjusted Brightness & Contrast", adjusted)
cv2.waitKey(0)
cv2.destroyAllWindows()4 HDR（高動(dòng)態(tài)范圍）合成
對(duì)于高曝光差異的場(chǎng)景（如逆光拍攝），可以使用多張不同曝光的圖像合成HDR效果：
# 假設(shè)有三張不同曝光的圖像
images = [cv2.imread(f"exposure_{i}.jpg") for i in range(3)]
times = np.array([1/30.0, 0.25, 2.0], dtype=np.float32) # 曝光時(shí)間
# 計(jì)算CRF（相機(jī)響應(yīng)曲線）
calibrate = cv2.createCalibrateDebevec()
response = calibrate.process(images, times)
# 合成HDR圖像
merge = cv2.createMergeDebevec()
hdr = merge.process(images, times, response)
# 轉(zhuǎn)換到8位圖像
tonemap = cv2.createTonemap(2.2)
ldr = tonemap.process(hdr)
ldr = np.clip(ldr * 255, 0, 255).astype('uint8')
cv2.imshow("HDR Result", ldr)
cv2.waitKey(0)
cv2.destroyAllWindows()如何選擇合適的曝光調(diào)整方法？
不同的調(diào)整方法適用于不同的場(chǎng)景：
- 直方圖均衡化：適用于低對(duì)比度圖像（如醫(yī)學(xué)影像、監(jiān)控畫面）
- 伽馬校正：適用于非線性亮度調(diào)整（如游戲畫面、夜間圖像增強(qiáng)）
- 亮度和對(duì)比度調(diào)整：適用于快速優(yōu)化單張圖像
- HDR合成：適用于大光比場(chǎng)景（如逆光、室內(nèi)外混合光照）
實(shí)際應(yīng)用案例
案例1：監(jiān)控?cái)z像頭低照度優(yōu)化
img = cv2.imread("camera_feed.jpg", 0) # 灰度圖
clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8, 8))
enhanced = clahe.apply(img)
cv2.imwrite("enhanced_feed.jpg", enhanced)案例2：醫(yī)學(xué)影像增強(qiáng)
img = cv2.imread("xray.jpg", 0)
equ = cv2.equalizeHist(img)
cv2.imwrite("xray_enhanced.jpg", equ)OpenCV提供了強(qiáng)大的曝光調(diào)整方法，可以根據(jù)不同需求選擇合適的算法優(yōu)化圖像質(zhì)量，本文介紹了直方圖均衡化、伽馬校正、亮度和對(duì)比度調(diào)整、HDR合成等關(guān)鍵技術(shù)，并結(jié)合代碼示例展示了如何實(shí)現(xiàn)這些功能。
無論是計(jì)算機(jī)視覺應(yīng)用（如自動(dòng)駕駛、人臉識(shí)別），還是攝影后期處理，掌握OpenCV的曝光調(diào)整技術(shù)都能幫助開發(fā)者獲得更高質(zhì)量的圖像數(shù)據(jù)。
延伸閱讀
希望本文對(duì)你在OpenCV曝光調(diào)整的學(xué)習(xí)有所幫助！??
