Python，OpenCV：增加图像亮度而不会溢出UINT8数组

Question

我正在尝试增加灰度图像的亮度。 cv2.imread()返回一个numpy数组。我正在为数组的每个元素添加整数值。从理论上讲，这会增加每一个。之后，我可以将上限阈值设置为255并获得更高亮度的图像。

以下是代码：

grey = cv2.imread(path+file,0)

print type(grey)

print grey[0]

new = grey + value

print new[0]

res = np.hstack((grey, new))

cv2.imshow('image', res)
cv2.waitKey(0)
cv2.destroyAllWindows()

然而，内部的OpenCV例程显然是这样的：

new_array = old_array % 255

每个高于255的像素强度值将成为除以255的余数。

结果，我变得黑暗而不是完全变白。

这是输出：

<type 'numpy.ndarray'>
[115 114 121 ..., 170 169 167]
[215 214 221 ...,  14  13  11]

这是图像：

如何关闭此余数机制？有没有更好的方法来提高OpenCV的亮度？

Answer 1

一个想法是在添加value之前检查添加是否会导致溢出，方法是检查255与当前像素值之间的差异，并检查它是否在value内。如果是，我们不会添加value，我们会直接在255设置，否则我们会添加。现在，这个决策可以通过创建掩码来缓解，并且可以 -

mask = (255 - grey) < value

然后，将此掩码/布尔数组提供给np.where，让它根据掩码在255和grey+value之间进行选择。

因此，最后我们将实现为 -

grey_new = np.where((255 - grey) < value,255,grey+value)

示例运行

让我们使用一个小代表性示例来演示步骤。

In [340]: grey
Out[340]: 
array([[125, 212, 104, 180, 244],
       [105,  26, 132, 145, 157],
       [126, 230, 225, 204,  91],
       [226, 181,  43, 122, 125]], dtype=uint8)

In [341]: value = 100

In [342]: grey + 100 # Bad results (e.g. look at (0,1))
Out[342]: 
array([[225,  56, 204,  24,  88],
       [205, 126, 232, 245,   1],
       [226,  74,  69,  48, 191],
       [ 70,  25, 143, 222, 225]], dtype=uint8)

In [343]: np.where((255 - grey) < 100,255,grey+value) # Expected results
Out[343]: 
array([[225, 255, 204, 255, 255],
       [205, 126, 232, 245, 255],
       [226, 255, 255, 255, 191],
       [255, 255, 143, 222, 225]], dtype=uint8)

测试样本图片

使用问题中发布的示例图片向我们提供arr并使用value作为50，我们会有 -

Answer 2

简而言之，您应该为每个值添加50，找到maxBrightness，然后thisPixel = int(255 * thisPixel / maxBrightness)

您必须检查每个像素的溢出。 Divakar建议的方法简单快捷。实际上，您可能希望增加（在您的情况下为50）每个值，然后将其标准化为255.这将保留图像明亮区域中的细节。

Answer 3

这是另一种选择：

# convert data type
gray = gray.astype('float32')

# shift pixel intensity by a constant
intensity_shift = 50
gray += intensity_shift

# another option is to use a factor value > 1:
# gray *= factor_intensity

# clip pixel intensity to be in range [0, 255]
gray = np.clip(gray, 0, 255)

# change type back to 'uint8'
gray = gray.astype('uint8)

Answer 4

另一种对我有效的方法是＆＃34;融入＆＃34;使用PIL＆gt;图像库中的混合功能将白色图像转换为原始图像。

from PIL import Image
correctionVal = 0.05 # fraction of white to add to the main image
img_file = Image.open(location_filename)
img_file_white = Image.new("RGB", (width, height), "white")
img_blended = Image.blend(img_file, img_file_white, correctionVal)

img_blended = img_file * (1 - correctionVal) + img_file_white * correctionVal

因此，如果correctionVal = 0，我们得到原始图像，如果correctionVal = 1，我们得到纯白色。

此功能可自行校正超过255的RGB值。

黑色混合（RGB 0,0,0）会降低亮度。

Answer 5

我遇到了一个类似的问题，但是没有添加，而是以非均匀的方式缩放图像像素。

一维版本：

a=np.array([100,200,250,252,255],dtype=np.uint8)
scaling=array([ 1.1,  1.2,  1.4,  1.2,  1.1])
result=np.uint8(a*scaling)

这当然会给您带来溢出问题；结果：

array([110, 240,  94,  46,  24], dtype=uint8)

np.where起作用：

result_lim=np.where(a*scaling<=255,a*scaling,255)

将result_lim生成为：

array([ 110.,  240.,  255.,  255.,  255.])

我想知道时间，我在4000 x 6000图像（而不是一维数组）上进行了此测试，结果发现np.where（）至少是我的条件所花的时间大约是原来的2.5倍。不知道是否有更好/更快的方法。如上所述，转换为浮点，执行操作然后进行裁剪的选项比np.where（）方法要慢一些。

不知道是否有更好的方法。