OpenCV調整圖像亮度和對比度的公式使用一個：

代碼實踐步驟：圖片輸入→亮度變換→圖片輸出

1.1 亮度變換

亮度：主要通過β控制，在虛擬仿真實驗中控制范圍是[-100,100]，如果是彩色圖像，則會同時應用在每個通道的數值上。

圖像原圖：1.jpg

import cv2
import numpy as npif __name__ == '__main__':# 1. 圖片輸入path = '1.jpg'image_np = cv2.imread(path)# 2. 亮度變換# 公式：g(i,j) = α * f(i,j) + β# β控制亮度alpha = 1.0  # 先不管對比度beta = -100  # 虛擬仿真限制在 [-100到100]，實際可超過這個范圍# 截取，可以保證數據的上下限pix = np.clip((alpha * image_np + beta),  # 要處理的原始圖像數據0,  # 下限，低于此數值會被改為此數值255  # 上限，高于此數值會被改為此數值)print(pix)print(pix.dtype)  # int16# 16位轉8位pix = np.uint8(pix)# 5. 圖像輸出cv2.imshow('pix', pix)cv2.imwrite('pix_1.jpg', pix)cv2.waitKey(0)

代碼運行結果:pix_1.jpg? ?(對比，右為pix_1.jpg)

??

圖像亮度變換可能會改變彩色圖片通道的平衡，因此實際使用時需要慎重，可以轉換為灰度調節改善此問題。

1.2 對比度變換

在對比度變換的過程中，需要同時考慮α和β的數值。
α
是對比度變換的主要因素，當α大于1時，圖像的對比度增加，因為圖像之間的亮度差異變大了；當α位于0到1之間時，圖像的對比度減小，因為像素之間的亮度差異變小了。
β
雖然β主要用于調節亮度，但是在調節對比度的時候，它也作為一個輔助因素，起到間接作用。β可以在α調節后，平移像素值，使畫面亮度恢復均衡。

對比度提升是一種圖像增強的手段，有助于增加梯度值，可以用于邊緣檢測。

原圖同上：1.jpg

import cv2
import numpy as npif __name__ == '__main__':# 1. 圖片輸入path = '1.jpg'image_np = cv2.imread(path)# 2. 亮度變換# 公式：g(i,j) = α * f(i,j) + βalpha = 1.5  # 對比度beta = -100  # 虛擬仿真限制在 [-100到100]，實際可超過這個范圍# 截取，可以保證數據的上下限pix = np.clip((alpha * image_np + beta),  # 要處理的原始圖像數據0,  # 下限，低于此數值會被改為此數值255  # 上限，高于此數值會被改為此數值)print(pix)print(pix.dtype)  # int16# 16位轉8位pix = np.uint8(pix)# 5. 圖像輸出cv2.imshow('pix', pix)cv2.imwrite('pix_2.jpg', pix)cv2.waitKey(0)

代碼運行：pix_2.jpg??(對比，右為pix_2.jpg)

? ??