Javascript图像处理-亮度对比应用案例

前言在上一篇文章中，我们解释了图像处理中的卷积运算和平滑(即模糊)处理。在这篇文章中，我们改变了亮度和对比度。其实什么是亮度？亮度很亮.

事实上，对于RGBA颜色空间来说，变亮意味着R、G和B通道同时增加，所以变暗意味着它们同时减少。这很容易理解，因为最暗的黑色是RGB(0，0，0)，最亮的白色是RGB(255，255，255)。所以增亮时要增加RGB的各个通道。那么，对比呢？对比其实就是色差。然后，对于RGBA颜色空间，增加对比度实际上等于同时将R、G和B通道乘以一个比例，因为这样相似颜色之间的差距就会变大，所以减少就是同时进行划分。比如RGB(23，44，55)和RGB(33，44，55)的差只有10，但一起乘以2后就变成了RGB(46，88，110)和RGB(66，88，110)，差变成了20，也就是“色差”。线性模型newRGB=对比度* RGB亮度线性模型满足上述公式，其中对比度代表对比度系数，亮度代表亮度系数。线性模型实现简单，但很容易调出全白或全黑图片。对于普通用户来说，很难确定选择多少对比度和亮度。所以，其实Photoshop中用的不是线性模型，而是非线性模型。在非线性模型中，对比度的增加与阈值有关：当对比度=0:new RGB=RGB(RGB-阈值)*(1/(1-对比度/255)-1)当对比度0:new RGB=RGB(RGB-阈值)*对比度/255。对比度和亮度同时调节怎么办？如果对比度大于0，先调整亮度，再调整对比度；当对比度小于0时，则相反，先调整对比度，再调整亮度。最后，什么是门槛？其实这是图片的平均灰度值。实现代码复制的代码如下：var亮度对比度=function(_ src，_ _ brightness，_ _ contrast) {_ _ src | | error(引数。被调用者，is _ undefined _ or _ null/* { line } */)；if(_ src . type===' CV_RGBA '){ var sData=_ _ src . data，width=__src.col，height=__src.row，dst=new Mat(height，width，CV _ RGBA)，dData=dst.data，brightness=Math.max(-255，Math.min(255，__brightness || 0))，contrast=Math.max(-255，Math.min(255，_ _ contrast | | 0))；var gray=CVT color(_ src，CV_RGBA2GRAY)，allValue=0，gData=gray.datavar y，x，c；for(y=高度；y-；){ for(x=宽度；x-；){ AllValue=GData[y * width x]；} } var r，g，b，offset，gave rage=(all value/(height * width))| 0；for(y=高度；y-；){ for(x=宽度；x-；){ offset=(y *宽度x)* 4；dData[offset]=sData[offset]亮度；dData[offset 1]=sData[offset 1]亮度；dData[偏移量2]=sData[偏移量2]亮度；if(对比度=0){ for(c=3；c-；){ if(dData[offset c]=gave rage){ dData[offset c]=dData[offset c](255-gave rage)*对比度/255；} else { dData[offset c]=dData[offset c]-(gave rage * contrast/255)；} } } else { dData[offset]=dData[offset](dData[offset]-gave rage)*对比度/255；dData[offset 1]=dData[offset 1](dData[offset 1]-gave rage)*对比度/255；dData[offset 2]=dData[offset 2](dData[offset 2]-gave rage)*对比度/255；} DData[偏移量3]=255；} } } else { error(arguments . caller，UNSPORT _ DATA _ TYPE/* { line } */)；}返回dst};效果