OpenCV调整图像亮度和对比度的公式使用一个：

代码实践步骤：图片输入→亮度变换→图片输出

1.1 亮度变换

亮度：主要通过β控制，在虚拟仿真实验中控制范围是[-100,100]，如果是彩色图像，则会同时应用在每个通道的数值上。

图像原图：1.jpg

import cv2
import numpy as npif __name__ == '__main__':# 1. 图片输入path = '1.jpg'image_np = cv2.imread(path)# 2. 亮度变换# 公式：g(i,j) = α * f(i,j) + β# β控制亮度alpha = 1.0  # 先不管对比度beta = -100  # 虚拟仿真限制在 [-100到100]，实际可超过这个范围# 截取，可以保证数据的上下限pix = np.clip((alpha * image_np + beta),  # 要处理的原始图像数据0,  # 下限，低于此数值会被改为此数值255  # 上限，高于此数值会被改为此数值)print(pix)print(pix.dtype)  # int16# 16位转8位pix = np.uint8(pix)# 5. 图像输出cv2.imshow('pix', pix)cv2.imwrite('pix_1.jpg', pix)cv2.waitKey(0)

代码运行结果:pix_1.jpg   (对比，右为pix_1.jpg)

图像亮度变换可能会改变彩色图片通道的平衡，因此实际使用时需要慎重，可以转换为灰度调节改善此问题。

1.2 对比度变换

在对比度变换的过程中，需要同时考虑α和β的数值。
α
是对比度变换的主要因素，当α大于1时，图像的对比度增加，因为图像之间的亮度差异变大了；当α位于0到1之间时，图像的对比度减小，因为像素之间的亮度差异变小了。
β
虽然β主要用于调节亮度，但是在调节对比度的时候，它也作为一个辅助因素，起到间接作用。β可以在α调节后，平移像素值，使画面亮度恢复均衡。

对比度提升是一种图像增强的手段，有助于增加梯度值，可以用于边缘检测。

原图同上：1.jpg

import cv2
import numpy as npif __name__ == '__main__':# 1. 图片输入path = '1.jpg'image_np = cv2.imread(path)# 2. 亮度变换# 公式：g(i,j) = α * f(i,j) + βalpha = 1.5  # 对比度beta = -100  # 虚拟仿真限制在 [-100到100]，实际可超过这个范围# 截取，可以保证数据的上下限pix = np.clip((alpha * image_np + beta),  # 要处理的原始图像数据0,  # 下限，低于此数值会被改为此数值255  # 上限，高于此数值会被改为此数值)print(pix)print(pix.dtype)  # int16# 16位转8位pix = np.uint8(pix)# 5. 图像输出cv2.imshow('pix', pix)cv2.imwrite('pix_2.jpg', pix)cv2.waitKey(0)

代码运行：pix_2.jpg  (对比，右为pix_2.jpg)