这个算法是参考自 阿发伯 的博客,在此对 阿发伯 表示感谢,

http://blog.csdn.net/maozefa

亮度调整

非线性亮度调整:

对于R,G,B三个通道,每个通道增加相同的增量。

线性亮度调整:

利用HSL颜色空间,通过只对其L(亮度)部分调整,可达到图像亮度的线性调整。但是,RGB和HSL颜色空间的转换很繁琐,一般还需要浮点数的运算,不仅增加了代码的复杂度,更重要的是要逐点将RGB转换为HSL,然后确定新的L值,再将HSL转换为RGB,运行速度可想而知是很慢的。要想提高图像亮度线性调整的速度,应该从三方面考虑,一是变浮点运算为整数运算,二是只提取HSL的L部分进行调整,三是采用汇编代码,在Delphi中,当然是BASM。下面是按照这三方面考虑写的图像亮度线性调整代码:

L := (Max(R, Max(G,B)) + Min(R, Min(G, B))) div 2;

L没有采用通常的百分比表示,而是取值0 - 255,这样就不必要采用浮点数运算了。

下面代码主要完成2个功能,一是用以前的L值与RGB分别求出其HSL的HS部分,其公式用Pascal表示为:

if L > 128 then

begin

  rHS := (R * 128 - (L - 128) * 256) div (256 - L);

  gHS := (G * 128 - (L - 128) * 256) div (256 - L);

  bHS := (B * 128 - (L - 128) * 256) div (256 - L);

end else

begin

  rHS := R * 128 div L;

  gHS := G * 128 div L;

  bHS := B * 128 div L;

end;

二是用新的L值(老的L值加需要调整的亮度值(0 - 255))和上面求出的HS值计算出新的

RGB值,计算方法为:

newL := L + Value - 128;

if newL > 0 then

begin

  newR := rHS + (256 - rHS) * newL div 128;

  newG := gHS + (256 - gHS) * newL div 128;

  newB := bHS + (256 - bHS) * newL div 128;

else begin

  newR := rHS + rHS * newL div 128;

  newG := gHS + gHS * newL div 128;

  newB := bHS + bHS * newL div 128;

end;

如此,一个像素点的线性亮度调整就基本完成了

Program:

clc;

clear all;

close all;

Image=imread('4.jpg');

Image=double(Image);

R=Image(:,:,1);

G=Image(:,:,2);

B=Image(:,:,3);

%%%% 求出原始图像亮度分量

I=(R+G+B)/3;

%%% 利用原始图像的亮度分量结合R,G,B求出HSL空间的H,S;

rHS=R;

gHS=G;

bHS=B;

[row, col]=size(I);

for i=1:row

    for j=1:col

        if(I(i,j)>128)

            rHS(i,j)=(R(i,j)*128-(I(i,j)-128)*256)/(256-I(i,j));

            gHS(i,j)=(G(i,j)*128-(I(i,j)-128)*256)/(256-I(i,j));

            bHS(i,j)=(B(i,j)*128-(I(i,j)-128)*256)/(256-I(i,j));

        else

            rHS(i,j)=R(i,j)*128/(I(i,j));

            gHS(i,j)=G(i,j)*128/(I(i,j));

            bHS(i,j)=B(i,j)*128/(I(i,j));

        end

    end

end

%%%% 然后求出新的亮度值

%%%% Increment: 亮度的调整增量(-255,255)

Increment=-100;

I_out=I+Increment-128;

%%%% 再利用新的亮度值结合H,S,求出新的R,G,B分量

R_new=R;

G_new=G;

B_new=B;

for i=1:row

    for j=1:col

        if(I_out(i,j)>0)

            R_new(i,j)=rHS(i,j)+(256-rHS(i,j))*I_out(i,j)/128;

            G_new(i,j)=gHS(i,j)+(256-gHS(i,j))*I_out(i,j)/128;

            B_new(i,j)=bHS(i,j)+(256-bHS(i,j))*I_out(i,j)/128;

        else

            R_new(i,j)=rHS(i,j)+rHS(i,j)*I_out(i,j)/128;

            G_new(i,j)=gHS(i,j)+gHS(i,j)*I_out(i,j)/128;

            B_new(i,j)=bHS(i,j)+bHS(i,j)*I_out(i,j)/128;

        end

    end

end

Image_new(:,:,1)=R_new;

Image_new(:,:,2)=G_new;

Image_new(:,:,3)=B_new;

imshow(Image/255);

figure, imshow(Image_new/255);

PS 图像调整算法——亮度调整的更多相关文章

  1. PS 图像调整算法——阈值

    PS里面这个算法,先将图像转成灰度图像,然后根据给定的阈值,大于该阈值的像素赋值为1,小于该阈值的赋值为0. if x>T, x=1; if x<T, x=0; 原图: 效果图:阈值为 1 ...

  2. PS 图像调整算法——自动色阶 (Auto Levels)

    PS 给出的定义: Enhance Per Channel Contrast:Maximizes the tonal range in each channel to produce a more d ...

  3. PS 图像调整算法——黑白

    这个算法是参考自 阿发伯 的博客: http://blog.csdn.net/maozefa 黑白调整 Photoshop CS的图像黑白调整功能,是通过对红.黄.绿.青.蓝和洋红等6种颜色的比例调节 ...

  4. PS 图像调整算法——饱和度调整

    算法参考自 阿发伯 的博客. http://blog.csdn.net/maozefa 饱和度调整 图像的饱和度调整有很多方法,最简单的就是判断每个象素的R.G.B值是否大于或小于128,大于加上调整 ...

  5. PS 图像调整算法——自动对比度 (Auto Contrast)

    PS 给出的定义: Enhance Monochromatic Contrast: Clips all channels identically. This preserves the overall ...

  6. PS 图像调整算法— —渐变映射

    这个调整简单来说就是先建立一张lookup table, 然后以图像的灰度值作为索引,映射得到相应的颜色值.图像的灰度值是由图像本身决定的,但是lookup table 却可以各种各样,所以不同的lo ...

  7. PS 图像调整算法——色调分离

    色调分离的原理就是将R, G, B每个通道 0-255 的色调区间进行强制划分到给定的区间里去,所以色调会合并,最终的图像看起来颜色就是一块一块的. clc; clear all; close all ...

  8. PS 图像调整算法——反相

    这个顾名思义,对图像做减法. Image_new=1-Image_old; 原图: 反相:

  9. Python: PS 图像调整--亮度调整

    本文用 Python 实现 PS 图像调整中的亮度调整,具体的算法原理和效果可以参考之前的博客: http://blog.csdn.net/matrix_space/article/details/2 ...

随机推荐

  1. Spark Scheduler模块源码分析之TaskScheduler和SchedulerBackend

    本文是Scheduler模块源码分析的第二篇,第一篇Spark Scheduler模块源码分析之DAGScheduler主要分析了DAGScheduler.本文接下来结合Spark-1.6.0的源码继 ...

  2. EBS开发之环境迁移

    (一)环境迁移说明 1.1   迁移 由于EBS系统开发复杂,一般项目实施都是使用三套或者三套以上的系统,一套作为开发使用系统,一套作为集成测试系统,一套就是企业用的正式环境系统,在项目实施过程中对一 ...

  3. ORACLE异常(整理网上资料)

    一.oracle预定义异常 命名的系统异常 产生原因 Oracle Error SQLCODE Value ACCESS_INTO_NULL 未定义对象 ORA-06530  -6530 CASE_N ...

  4. Tomcat 5.5 JNDI Resource 配置 (tomcat数据源配置)

    转自:http://blog.csdn.net/fenglibing/article/details/4528512 Tomcat 5.5 JNDI Resource 配置 Author Blog:h ...

  5. 3、Android构建仪表测试

    不同于运行于JVM的本地单元测试,仪表测试运行于你的物理设备或虚拟机中.当你需要访问设备的信息(比如Context)或者使用真正的Android framework组件时(比如SharePrefere ...

  6. Android开发学习之路--Notification之初体验

    一般当我们收到短信啊,微信啊,或者有些app的提醒,我们都会在通知栏收到一天简单的消息,然后点击消息进入到app里面,其实android中有专门的Notification的类可以完成这个工作,这里就实 ...

  7. 【一天一道LeetCode】#136. Single Number

    一天一道LeetCode 本系列文章已全部上传至我的github,地址:ZeeCoder's Github 欢迎大家关注我的新浪微博,我的新浪微博 欢迎转载,转载请注明出处 (一)题目 Given a ...

  8. nginx root、alias、location指令使用方法

    一.nginx root指令 1. Nginx配置 相关配置如下图: 通过配置root目录到"/wwwroot/html/"位置 在用虚拟主机方法,主机名称是test,需要大家配置 ...

  9. 【一天一道LeetCode】#98. Validate Binary Search Tree

    一天一道LeetCode 本系列文章已全部上传至我的github,地址:ZeeCoder's Github 欢迎大家关注我的新浪微博,我的新浪微博 欢迎转载,转载请注明出处 (一)题目 Given a ...

  10. Java JDBC封装模式

    模仿DBUtils里面的一些用法,下面是一些简单的实现数据集的操作的方法 下面使用到的两个bean.首先是userbean package bean; public class user { Stri ...