上一篇我們談了影像處理中的卷積運算與平滑(模糊)處理,這篇要處理亮度與對比度的調整。
直觀地說,亮度就是畫面有多亮。在 RGBA 顏色空間中,變亮等於 R、G、B 三個通道同時加大,變暗則是同時減小。這很容易理解:最暗的黑是 RGB(0,0,0),最亮的白是 RGB(255,255,255),所以「變亮」自然應該讓三個通道一起增大。
對比度就是顏色之間的差距。在 RGBA 空間中,提高對比度等於把 R、G、B 同時乘上一個比例,如此相近顏色的差距就被拉開;降低則是同時除以該比例。
舉例來說,RGB(23,44,55) 與 RGB(33,44,55) 原本只差 10,一起乘以 2 之後變成 RGB(46,88,110) 與 RGB(66,88,110),差距變成 20——「顏色差」變大了。
newRGB = Contrast * RGB + Brightness
線性模型滿足上式,Contrast 為對比度係數,Brightness 為亮度係數。實作簡單,但很容易一口氣調成全白或全黑,而且對一般使用者而言,參數該取多少實在難以拿捏。所以 Photoshop 實際採用的並非線性模型,而是非線性模型。
非線性模型中,對比度的變化與閾值 Threshold 有關。
當 Contrast ≥ 0 時:
newRGB = RGB + (RGB - Threshold) * (1 / (1 - Contrast / 255) - 1)
當 Contrast < 0 時:
newRGB = RGB + (RGB - Threshold) * Contrast / 255
當亮度與對比度同時調整時,順序會影響結果:對比度大於 0 時先調亮度再調對比度;對比度小於 0 時則相反。
最後一個問題:閾值 Threshold 到底是什麼?其實它就是影像的灰階平均值。
var brightnessContrast = function (__src, __brightness, __contrast) {
__src || error(arguments.callee, IS_UNDEFINED_OR_NULL);
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));
// 先算出灰階平均值作為閾值
var gray = cvtColor(__src, CV_RGBA2GRAY),
allValue = 0,
gData = gray.data;
var y, x, c;
for (y = height; y--;) {
for (x = width; x--;) {
allValue += gData[y * width + x];
}
}
var r, g, b, offset,
gAverage = (allValue / (height * width)) | 0;
for (y = height; y--;) {
for (x = width; x--;) {
offset = (y * width + x) * 4;
// 先處理亮度
dData[offset] = sData[offset] + brightness;
dData[offset + 1] = sData[offset + 1] + brightness;
dData[offset + 2] = sData[offset + 2] + brightness;
if (contrast >= 0) {
// 以閾值為界,分別往上拉開或往下壓低
for (c = 3; c--;) {
if (dData[offset + c] >= gAverage) {
dData[offset + c] += (255 - gAverage) * contrast / 255;
} else {
dData[offset + c] -= (gAverage * contrast / 255);
}
}
} else {
dData[offset] += (dData[offset] - gAverage) * contrast / 255;
dData[offset + 1] += (dData[offset + 1] - gAverage) * contrast / 255;
dData[offset + 2] += (dData[offset + 2] - gAverage) * contrast / 255;
}
dData[offset + 3] = 255; // alpha 固定
}
}
} else {
error(arguments.callee, UNSPPORT_DATA_TYPE);
}
return dst;
};
實作上有兩點值得注意:一是每個通道運算後都應該夾在 0–255 之間,這份程式碼依賴底層型別的溢位行為,若換成 JavaScript 的 typed array 就要自己用 Math.max / Math.min 夾值;二是閾值取決於整張圖的灰階平均,因此同一組參數套用在不同圖片上,視覺感受會有差異,這正是非線性模型比線性模型更「耐看」的原因。