Чем отличается яркость от контрастности

Яркость и контраст

Достаточно просто изменяется яркость и контрастность изображения или выделения при использовании инструмента. «Яркость-контраст».

Яркостьиконтрастявляются субъективными характеристиками изображения, воспринимаемыми человеком.

Яркостьпредставляет собой характеристику, определяющую то, на сколько сильно цвета пикселей отличаются от чёрного цвета. Например, если оцифрованная фотография сделана в солнечную погоду, то ее яркость будет значительной. С другой стороны, если фотография сделана вечером или ночью, то её яркость будет невелика.

Контрастпредставляет собой характеристику того, насколько большой разброс имеют цвета пикселей изображения. Чем больший разброс имеют значения цветов пикселей, тем больший контраст имеет изображение.

Гистограмма изображения

Несколько следующих команд в меню «Цвет» используют гистограммуизображения (уровни) как основной или дополнительный инструмент.Гистограмма(в фотографии) — это график распределения полутонов изображения, в котором по горизонтальной оси представлена Яркость, а по вертикали — относительное число пикселов с данным значением яркости (рис. 3.5.). Гистограмма изображения позволяет оценить количество и разнообразие оттенков изображения, а также общий уровень яркости изображения.

Рис. 3.5. Пример гистограммы

Наиболее просто построение гистограммы можно пояснить для изображения в градация серого цвета. В этом случае, гистограмма представляет собой диаграмму, где по горизонтальной шкале откладываются градации серого от 0 (черный) до 255 (белый), а по вертикальной — количество точек соответствующей градации в этом изображении. Чем выше столбец, тем больше точек соответствующего оттенка серого содержится в фотографии.

Так гистограмма, приведенная на рис. 3.5., отображает количество пикселей определённого тона для рис. 3.6.

Рис. 3.6. Пример изображения для построения гистограммы

При выборе инструмента «Уровни» и задании параметров, как показано на рис. 3.7. (бегунки справа слева сдвинуты к середине), распределяем значение интенсивностей равномерно по всей области градаций серого цвета. Этим самым повышаем контрастность изображения (рис. 3.8.).

В некоторых случаях, описанный метод позволяет улучшить изображение, а в некоторых наоборот уменьшить художественную ценность изображения.

Гистограмма для цветного изображения строится по яркости, либо по каждому отдельному каналу для основных цветов цветовой модели. Например, для RGBмодели гистограмма может быть построена для трех каналовR,GиBсоответственно.

Рис. 3.7. Изменение гистограммы

Рис. 3.8. Изображение с повышенной контрастностью

Коррекция цветовых кривых

Вторым значимым элементом после гистограммы являются «Кривые», которые позволяют управлять функцией яркости и контрастности.

Рассмотрим функцию для управления яркостью и контрастностью, областью определения и значений которой являются значения цветовых компонент в модели RGB. Аргументом функции является цвет пикселя исходного изображения. Значение функции представляет собой цвет пикселя обработанного изображения. Для изменения яркости/контраста функция применяется для каждого пикселя изображения.

Если яркость и контраст изображения никак не меняются в процессе преобразования, то функция имеет график, представленный на рис. 3.9., а. Из рисунка видно, что функция в этом случае просто передаёт на выход значение своего аргумента.

Рис. 3.9. Графики яркости

Яркость для рассматриваемой функции представляет собой сдвиг прямой линии в вертикальном направлении. Яркость изображения увеличивается пропорционально сдвигу прямой. Если прямая сдвигается вверх (рис. 3.9., б), яркость изображения увеличивается, а если прямая сдвигается вниз (рис. 3.9., в) – уменьшается.

При использовании преобразования контраста прямая линия меняет свой наклон. При увеличении контраста изображения (рис. 3.10., а) наклон прямой увеличивается, при уменьшении контраста – уменьшается (рис. 3.10., б). При этом сдвиг прямой в горизонтальном направлении означает, что помимо контраста изменяется и яркость изображения.

Рис. 3.10. Графики контрастности

Комбинации наклона и сдвига прямой позволяют одновременно изменять и яркость, и контраст изображения. Например, на рис. 3.11. представлен график функции, усиливающей контраст и увеличивающей яркость изображения.

Рис. 3.11. Увеличение яркости и контрастности

Преобразование яркости/контраста может быть применено и к отдельным компонентам модели RGB, например к компоненту красного цвета. Тогда яркость/контраст будут изменяться только для красного компонента, а для других компонент они останутся неизменными. Более того, можно задавать различные преобразования яркости/контраста одновременно для каждого компонента модели RGB.

Яркость и контраст

Яркость и контраст являются субъективными характеристиками изображения, воспринимаемыми человеком. Яркость представляет собой характеристику, определяющую то, на сколько сильно цвета пикселей отличаются от чёрного цвета. Например, если оцифрованная фотография сделана в солнечную погоду, то его яркость будет значительной. С другой стороны, если фотография сделана вечером или ночью, то её яркость будет невелика.

Контраст представляет собой характеристику того, насколько большой разброс имеют цвета пикселей изобра­жения. Чем больший разброс имеют значения цветов пикселей, тем больший контраст имеет изображение.

По аналогии с терминами теории вероятностей можно отметить, что яр­кость представ­ляет собой как бы матема­тическое ожидание значений вы­борки, а контраст – дисперсию значений выборки.

Яркость и контраст могут рассматриваться не только для всего изображения, но и для отдельных фрагментов. Таким образом, возникают понятия локальной яркости и локаль­ного контраста.

Часто требуется изменить яркость или контраст изображения. Рассмотрим функцию, областью определения и значений которой являются значения цветовых компонент в мо­дели RGB. Аргументом функции является цвет пикселя исходного изображения. Значе­ние функции представляет собой цвет пикселя обработанного изображения. Для измене­ния яркости/контраста функция применяется для каждого пикселя изображения.

Для нормализации выходных значений функции (они должны принадлежать отрезку [0, 1], как для каждого компонента модели RGB) ис­пользуется так называемая арифметика с насыщением. В арифметике с на­сыщением при возникновении переполнений или заёмов фиксируется наи­большее представимое или наименьшее предста­вимое значения соответ­ст­венно. Например, если в результате преобразования оказывается, что значе­ние ка­кого-либо компонента модели RGB меньше 0, то берётся значение, равное 0. На практике же каждый элемент матрицы изображения с 16777216 цветами представляет собой 24-бит­ное значение, где каждый компонент модели RGB представлен 8 битами. Поэтому вме­сто интервала [0, 1] используется интер­вал [0, 255]. Если яркость и контраст изображения никак не меняются в процессе пре­образования, то функция имеет график, представленный на рис. 2.12 а. Из рисунка видно, что функция в этом случае просто передаёт на выход значе­ние своего аргумента.

Рис. 2.12 Графики яркости

Яркость для рассматриваемой функции представляет собой сдвиг прямой линии в вер­тикальном направлении. Яркость изображения увеличивается пропорционально сдвигу прямой. Если прямая сдвигается вверх (рис. 2.12 б), яркость изображения увеличивается, а если прямая сдвигается вниз (рис. 2.12 в) – уменьшается.

Поскольку используется арифметика с насыщением, то при установке оп­ределённой яр­кости изображения либо оно полностью окажется засвеченным, либо полностью затем­нённым.

При использовании преобразования контраста прямая линия меняет свой наклон. При увеличении контраста изображения (рис. 2.13 а) наклон прямой увеличивается, при уменьшении контраста – уменьшается (рис. 2.13 б). При этом сдвиг прямой в горизонтальном направлении означает, что помимо контраста изменяется и яркость изо­бражения.

Рис. 2.13 Графики контрастности

Комбинации наклона и сдвига прямой позволяют одновременно изменять и яркость, и контраст изображения. Например, на рис. 2.14 представлен гра­фик функции, усиливающей контраст и увеличивающей яркость изобра­же­ния.

Рис. 2.14 Увеличение яркости и контрастности

Преобразование яркости/контраста может быть применено и к отдельным компонентам модели RGB, например, к компоненту красного цвета. Тогда яркость/контраст будут из­меняться только для красного компонента, а для других компонент они останутся неиз­менными. Более того, можно задавать различные преобразования ярко­сти/контраста од­новременно для каждого компонента модели RGB.

Понравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:

Чем отличается яркость от контрастности

Что предпочесть: яркость или контраст изображения?

На самом деле изображение должно быть идеально сбалансированным! Из за различий в условиях использования проекционной техники важно правильно подобрать пару «проектор-экран».

Если за контрастность изображения в первую очередь отвечает ваш проектор (его технические возможности), а также качество экрана и общая затемненность помещения.. то я с яркостью придется разбираться.

В первую очередь, необходимо определить сценарий использования вашего проектора: «для домашнего кинозала», «для гостиных» или «для офисов».

Домашний кинозал представляет собой идеальные условия для проецирования изображения, так как подразумевает полное затемнение помещения, включая внутреннюю отделку. В этом случае достигается максимальный контраст изображения и глубина черного цвета, так необходимые для полного погружения в кинофильм. Для использования в указанных условиях пригодны проекторы даже с малой яркостью (600-1200 ANSI Lm). Для таких условий прекрасно подойдет проекционная краска LeVanille — White Ultra Matte , обладающая идеальным белым цветом и формирующая ламбертовую поверхность.

Использование проектора в гостиной подразумевает, как правило, не идеальное затемнение комнаты. В этом случае пространство экрана будет иметь «паразитную» засветку- снижается уровень воспринимаемого черного цвета и снижается общий контраст. На помощь приходят проекторы с большей яркостью (1600-2000 ANSI Lm), способные перекрыть своей световой насыщенностью фоновую, а также использование специальных экранов, снижающих порог отображения черного цвета без фатальной потери яркости. Например серия проекционных красок LeVanille — High Conrtast Grey .

Для ситуации, когда клиент желает совместить приятное с полезным — иметь возможность созерцать достаточно контрастную картинку с глубоким уровнем черного, но при этом не затемнять полностью своё помещение, у нас есть уникальное решение проекционная краска Le Vanille Ultra Contrast . В этом случае, желательно иметь проектор с высокой яркостью (от2000 ANSI Lm).

Офисное использование проекторов подразумевает совсем слабое затемнение помещение. С другой стороны, изображению не требуется высокий контраст и уровень отображения черного цвета, важна как раз яркость. И здесь на помощь приходят яркие проекторы (>2300 ANSI Lm). Если же требуется повышенная отражающая способность поверхности LeVanille предлагает создать экран с помощью состава White Ultra Matt 2.0

Таким образом вопрос — что предпочесть яркость или контраст? всегда упирается, в первую очередь — в сценарий использования, в подготовленность помещения.

Важно также помнить, что правило «много яркости не бывает» — ошибка. Избыточная яркость пригодна, разве что, для светлых офисов с огромным экраном. Для обычного использования, стандартами киноиндустрии рассчитаны и выведены допустимые пределы яркости, а любое превышение допустимой яркости неизбежно скажется на снижении контраста и повышенной утомляемости зрителя.

Чтобы помочь вам в выборе своего экрана, мы подготовили уникальный калькулятор подбора и расчета проекционной краски, учитывающий все необходимые для качественной проекции параметры.

Русские Блоги

[Digital Image Processing Series 2] Основные понятия: яркость, контрастность, насыщенность, резкость, разрешение

• Python версия этой серии: python3.5.4
• Эта серия версий opencv-python: opencv-python3.4.2.17
• Средой разработки, используемой в этой серии, является jupyter notebook, представляющая собой интерактивную среду разработки на python. Она очень удобна для тестирования и интеграции работы vim. Учебное пособие по установке может ссылаться на: Фон темы, настройка шрифтов и плагинов расширения для ноутбука jupyter на windows (интегрированная среда vim)

выше[Цифровая обработка изображений, серия 1] Быстрый запуск OpenCV-Python Он сочетает OpenCV-Python с определенным пониманием основных операций цифровых изображений. В этой статье мы рассмотрим концепцию и принципы формирования цифровых изображений, а также обсудим основные атрибуты яркости, контрастности, разрешения, насыщенности, резкости.

Последний скриншот программы:

1. Что такое цифровое изображение

1. Определение цифрового изображения

Для изображения мы можем поместить его в систему координат, здесь в качестве источника координат взять фиксированную точку в верхнем левом углу изображения,x Аксиальное направление является правильным, которое совпадает с осью x декартовой системы координат;y Ось внизу, противоположная оси Y декартовой системы координат. Так что мы можем определить изображение как двумерную функциюf(x，y)Каждый пиксель в изображении может быть использован(x，y) Представление координат в любой паре пространственных координат(x，y) Магнитуда вf Называется интенсивность или оттенки серого изображения в этой точке, когдаx，y И значение серогоf Когда это конечное дискретное значение, изображение называется Цифровое изображение

2. Процесс формирования цифрового изображения

Большинство изображений, которые мы обычно видимИсточник облученияИ формирование изображениясценаОтражение и поглощение световой энергии, создаваемой элементом, цифровым изображением, которое мы видим, делится на следующие этапы:

(1) Восприятие и получение изображения

Падающий свет от источника излучения попадает на объект, попадает в человеческий глаз через отражающее или преломляющее волокно, а затем видит объект. Датчики необходимы для преобразования энергии облучения в цифровые изображения. Основные датчики:

• Один датчик изображения
• Датчик полосы
• Датчик массива

Принцип очень прост: это преобразование входной энергии в напряжение путем объединения входной мощности и материала датчика, чувствительного к особым типам энергии обнаружения, а затем волна выходного напряжения может быть дискретизирована и квантована для получения дискретного цифрового изображения.f(x，y)

Примечание: модель сформирована графикой, чтобы понять уровень серого или уровень интенсивности, см. Ниже

Мы упоминали выше, что изображения могут быть функциямиf(x，y) Указывает, что значение объекта на самом деле происходит от облучения объекта источником излучения, функциейf(x，y) Он может быть представлен двумя компонентами:

• Общее количество источника света, падающего на наблюдаемую сцену
• Общее количество света, отраженного объектами в сцене

Вышеупомянутые два компонента называются компонентом инцидента и компонентом отражения, выраженным какi(x，y)、r(x， y), С:

где:

Следовательно, значение серого или значение интенсивности изображения определяется падающим компонентом и компонентом отражения,i(x，y) Характер зависит от источника излучения иr(x， y) Характер зависит от характеристик изображаемого объекта, формула просто даетi(x，y)、r(x， y) Общий диапазон значений, естественно для разных источников и объектов изображенияi(x，y)、r(x， y) Будут разные значения, поэтому диапазон значений серого цифрового изображения:


Таким образом, интервал [L_min，L_max] Называется серым уровнем изображения. На практике интервал часто равен [0, L-1], где f = 0 — черный, f = L-1 — белый на уровне серого, все посередине Значение — это серый оттенок, который меняется с черного на белый, а разница серого между самым высоким и самым низким уровнями серого изображенияКонтраст

(2) Выборка изображения и квантование

Чтобы получить цифровое изображение, нам необходимо преобразовать данные непрерывного восприятия в цифровую форму, а именно: выборка и квантование. Целью отбора проб и количественной оценки является Дискретные непрерывные данные восприятия, а качество изображения также в значительной степени зависит от количества выборок и уровней серого, используемых при дискретизации и квантовании Пожалуйста, обратитесь к:Выборка изображения и квантование и серая гистограмма

(3) Показать цифровое изображение

Существует три основных способа выражения цифровых изображений f (x, y):

• Окрашены в виде трехмерного изображения поверхности, как показано на рисунке 2.18 (а)
• Визуализируйте изображение серого массива, как показано на рисунке 2.18 (б)
• Двумерное числовое изображение массива, как показано на рисунке 2.18 (с)

Во-вторых, яркость, контрастность, насыщенность, резкость, разрешение

Картина фокусирует друзей: Яркость, контрастность, насыщенность и резкость изображения не зависят друг от друга. Изменение одной из функций может привести к изменению других характеристик изображения. Степень изменения зависит от характеристик самого изображения. Сначала определите концепцию. Будет подробно

1. Яркость

Общее понимание яркости изображения — это яркость изображения, цифровое изображениеf(x，y) = i(x，y) r(x， y) Если значение серого находится между [0, 255], тоf Чем ближе значение к 0, тем ниже яркость,f Чем ближе значение к 255, тем выше яркость. И мы также должны различать яркость и контрастность. Как упоминалось выше, контраст относится к разнице между самым высоким и самым низким уровнями серого. Давайте почувствуем влияние изменения яркости на цифровые изображения через картинки:

На двух белых и красных изображениях, показанных выше, правая сторона рисунка имеет повышенную яркость относительно левой стороны. Видно, что правая сторона изображения имеет общее увеличение яркости по сравнению с левой стороной. Вот только небольшая дуга увеличения яркости. Увеличьте яркость выше, как показано ниже:

Здесь необходимо подчеркнуть, что если мы сделаем такое резкое изменение яркости, это повлияет на насыщенность, контрастность и резкость изображения при изменении интенсивности изображения. В это время насыщенность, контрастность и Четкость уменьшается, поскольку чрезмерно увеличенная яркость приводит к тому, что тень улавливает выделение. Поскольку максимальное значение серого фиксировано, минимальное значение серого быстро догоняет максимальное значение серого, что влияет на насыщенность и контрастность изображения. И ясность

2. Контрастность и насыщенность

(1) Насыщенность относится к числу цветов изображения, как указано выше Уровень серого изображения [L_min，L_max], То в L_min、L_max Чем больше среднее значение, тем больше цвет изображения и тем выше насыщенность , Внешний вид изображения будет более ярким, отрегулируйте насыщенность, чтобы исправить переэкспонированные или недоэкспонированные изображения. Сделать изображение более естественным

(2) Контраст был введен выше, ссылаясь на Разница между темными и светлыми изображениями, то есть разница между максимальным уровнем серого и минимальным уровнем серого изображения , Смотрите картинку ниже:

Правая сторона изображений с белыми и красными спицами выше имеет повышенную контрастность, но мы можем видеть, что белые или красные спицы с правой стороны меняются с увеличением контрастности, белые / красные спицы меняются Загорается, фон становится темнее, а изображение выглядит более резким.

Но обратите внимание: Увеличение контрастности в красных спицах также увеличивало насыщенность, но насыщенность белых спиц не увеличивалась с увеличением яркости, что подтверждает, что степень изменения, упомянутая выше, зависит от характеристик самого изображения. Поскольку насыщенность имеет большое влияние на изображения с яркими цветами и насыщенными цветами, но меньше на тусклые или почти нейтральные цвета

3. Резкость

Резкость изображения предназначена для компенсации контуров изображения, усиления края изображения и части, в которой уровень серого цвета скачет, чтобы изображение стало четким. Повышение резкости изображения часто используется в реальной обработке изображений, поскольку при выполнении сглаживания и фильтрации изображений информация о краях потерянного изображения будет потеряна. За счет повышения резкости изображения можно улучшить края и контур изображения.

Чтобы понять принцип повышения резкости изображения, пожалуйста, проверьте сообщение в блоге:Резкость изображения (улучшение) и обнаружение краев

Затем просмотрите эффект повышения резкости изображения через следующую картинку:

Из изображения горы мы можем видеть, что яркость, контрастность и насыщенность тонких спиц вблизи центра белых и красных спиц изображения также значительно улучшились, но на самом деле очевидных изменений снаружи нет, поскольку резкость изображения будет более Усовершенствуйте данные по краям, чтобы влияние было более очевидным

Резюме о: Вышеупомянутые три подраздела в основном объяснили понятия яркости, контраста, насыщенности и резкости изображения.В то же время, изображение также подчеркивает, что яркость, контрастность, насыщенность и резкость изображения не полностью изолированы. Да, это будет влиять друг на друга. Так что понимает взаимное влияние между ними. При дальнейшей цифровой обработке изображений вы можете отрегулировать яркость, контрастность, насыщенность и параметры резкости изображения в соответствии с потребностями.

4. Разрешение

Не слишком стандартно говорить, что разрешение изображения можно рассматривать как размер изображения: изображение с более высоким разрешением больше, а изображение с более низким разрешением меньше. Официальное заявление: Разрешение изображения относится к количеству информации, хранящейся в изображении, и является количеством пикселей на дюйм изображения. , То есть: пикселей на дюйм, единица измерения — PPI (Pixels Per Inch), поэтому увеличение изображения увеличит разрешение изображения, разрешение изображения будет больше, а изображение будет больше и четче, например: разрешение изображения составляет 500×200, что Скажем, это изображение увеличено на 1: 1 на экране, 500 пикселей (цветные блоки) в горизонтальном направлении и 200 пикселей (цветные блоки) в вертикальном направлении

3. Примеры яркости, контрастности, насыщенности, резкости и регулировки разрешения изображения

Сначала нарисуйте ключевую точку:

• Регулировка контрастности изображения может напрямую использовать формулу преобразования в пространстве RGBg(i,j)= af(i,j) + b Вносить линейные изменения в изображение;
• Насыщенность изображения обычно не очень интуитивно понятна для регулировки в цветовом пространстве RGB, и цветовое пространство HSL может интуитивно указывать насыщенность каждого пикселя, поэтому для регулировки насыщенности сначала прочитайте значение RGB пикселя изображения, а затем преобразуйте в пространство HSL Получите значения насыщенности и яркости, а затем отрегулируйте значения RGB от пространства HSL до пространства RGB, чтобы завершить настройку насыщенности изображения
• Повышение резкости изображения обычно делится на использование пространственных фильтров для повышения резкости изображений и использование фильтров в частотной области для повышения резкости изображений, которые будут рассмотрены в последующей статье, посвященной фильтрации изображений, эта статья не будет обсуждаться

1. RGB пространство изображения яркость и контрастность регулировки

Для преобразования цифрового изображения пусть исходный уровень серого в пикселях будетf(i,j), Преобразованный уровень серого цвета в пикселяхg(i,j), Обычно используемое линейное преобразованиеg(i,j)= af(i,j) + bГде Коэффициент а влияет на контрастность изображения, а коэффициент b влияет на яркость изображения следующим образом:
(1) Когда a = 1, это исходное изображение;
(2) a> Контрастность увеличивается на 1, и изображение выглядит более четким;
(3) a <1, контрастность уменьшается и изображение выглядит темным;
(4) b влияет на яркость изображения. С увеличением b (b> 0) и уменьшением b (b> 0) общая величина оттенков серого изображения перемещается вверх или вниз, То есть общее изображение становится ярче или темнее и не меняет контраст изображения

Эффект бега заключается в следующем:

2. HSL космическое изображение яркость и насыщенность регулировка

Пространство HSL: представляет оттенок, насыщенность и яркость трех каналов цвета. H: Hue Hue, S: Насыщенность, L: Легкость. Например: нормализованное значение пикселя двумерного цифрового изображения (0, 0) равно (0,2, 0,3, 0,4), это означает H = 0,2, S = 0,3, L = 0,4

Эффект бега заключается в следующем:

3. Регулировка разрешения изображения

Регулировка разрешения изображения относительно проста, часто используется, opencv-python поставляется с функцией изменения размера, чтобы настроить разрешение изображения, официальное определение функции изменения размера:

Параметр 1: объект изображения
Параметр 2: (ширина, высота) Ширина и высота входного изображения
Параметр 3: какой метод разности используется для увеличения изображения?

• cv2.INTER_LINEAR: билинейная интерполяция, используется по умолчанию
• cv2.INTER_NEAREST: интерполяция ближайшего соседа
• cv2.INTER_AREA: повторная выборка с использованием отношения площади пикселя, аналогично cv2.INTER_NEAREST
• cv2.INTER_CUBIC: бикубическая интерполяция в окрестности 4×4 пикселей

Эффект регулировки разрешения изображения

4. Резюме

Суммируйте знания, полученные в этой статье:

• Определение цифровых изображений
• Процесс формирования цифрового изображения
• Яркость цифрового изображения, контраст, насыщенность, резкость, концепции разрешения и взаимосвязь между яркостью, контрастом, насыщенностью и резкостью
• Яркость цифрового изображения, контраст, насыщенность, демонстрация примера настройки разрешения

Эта статья окончена. Если у вас есть какие-либо вопросы, добро пожаловать на обмен и изучение. Вы также можете подписаться на мою общедоступную учетную запись WeChat, а также на обмен и изучение

Интеллектуальная рекомендация

Кодовыйup — Вопрос D: замена слова

Тема Описание Введите строку для завершения возврата каретки (длина строки <= 100). Эта строка состоит из нескольких слов, и слова разделены от одного пространства, и все слова чувствительны к реги.

75. Sort Colors

Описание заголовка (средняя сложность) Учитывая массив, содержащееся число может быть только одним из 0, 1 или 2, а затем отсортируйте эти числа от меньшего к большему. Решение первое Пройдите по масс.