这是我从网上看到的定义
第一个是
Midtone: Situated between the darkest tone (Black), and the brightest tone (White). For a 24 bit colour image, this occurs when Red = Green = Blue = 128.
另一个是
Tones created by dots between 30% and 70% of coverage
和
Midtone also refers to the range of colors that aren't mixed with black (the shadows) or white (the highlights).
我从这些定义中得到的是,我们应该将值为 0 或 255 的像素调整为 128 。我的定义正确吗?我不想使用直方图均衡的方式,因为据我所知它也用于图像的亮度
我想执行如下功能,就像我想在 OpenCV C++
中执行此功能一样,但我不知道如何处理 Midtones 和 CYMK 值,因为它同时具有RGB 和 CMYK 同时显示
例如 示例图片
应用上述值后
我想在 OpenCV 中做同样的事情
如果我们只用 RGB 执行此操作,我只关心结果
编辑
安德烈的回答很好,但仍在等待最佳答案,因为这个答案很难让其他图像调整其他颜色平衡值
最佳答案
我认为在这种情况下,阴影、中间调和高光定义了轨迹栏值的范围。
- 阴影 - 精确调整(小范围);
- 中间调 - 中等调整(中等范围);
- 亮点 - 重大调整(范围广泛)。
它允许快速和精确的颜色校正。
代码片段:
#include <iostream>
#include <vector>
#include <stdio.h>
#include <functional>
#include <algorithm>
#include <numeric>
#include <cstddef>
#include "opencv2/opencv.hpp"
using namespace std;
using namespace cv;
int val_Cyan_Red=0;
int val_Magenta_Green=0;
int val_Yellow_Blue=0;
Mat result;
Mat Img;
void on_trackbar( int, void* )
{
float SH=0.1; // The scale of trackbar ( depends on ajusting mode Shadows/Midtones/Highlights )
float cr_val=(float)val_Cyan_Red/255.0;
float mg_val=(float)val_Magenta_Green/255.0;
float yb_val=(float)val_Yellow_Blue/255.0;
// Cyan_Red
float R1=0;
float G1=1;
float B1=1;
float R2=1;
float G2=0;
float B2=0;
float DR=(1-cr_val)*R1+(cr_val)*R2-0.5;
float DG=(1-cr_val)*G1+(cr_val)*G2-0.5;
float DB=(1-cr_val)*B1+(cr_val)*B2-0.5;
result=Img+(Scalar(DB,DG,DR)*SH);
// Magenta_Green
R1=1;
G1=0;
B1=1;
R2=0;
G2=1;
B2=0;
DR=(1-mg_val)*R1+(mg_val)*R2-0.5;
DG=(1-mg_val)*G1+(mg_val)*G2-0.5;
DB=(1-mg_val)*B1+(mg_val)*B2-0.5;
result+=(Scalar(DB,DG,DR)*SH);
// Yellow_Blue
R1=1;
G1=1;
B1=0;
R2=0;
G2=0;
B2=1;
DR=(1-yb_val)*R1+(yb_val)*R2-0.5;
DG=(1-yb_val)*G1+(yb_val)*G2-0.5;
DB=(1-yb_val)*B1+(yb_val)*B2-0.5;
result+=(Scalar(DB,DG,DR)*SH);
imshow("Result",result);
waitKey(10);
}
// ---------------------------------
//
// ---------------------------------
int main( int argc, char** argv )
{
namedWindow("Image",cv::WINDOW_NORMAL);
namedWindow("Result");
Img=imread("D:\\ImagesForTest\\cat2.jpg",1);
Img.convertTo(Img,CV_32FC1,1.0/255.0);
createTrackbar("CyanRed", "Image", &val_Cyan_Red, 255, on_trackbar);
createTrackbar("MagentaGreen", "Image", &val_Magenta_Green, 255, on_trackbar);
createTrackbar("YellowBlue", "Image", &val_Yellow_Blue, 255, on_trackbar);
imshow("Image",Img);
waitKey(0);
}
大致为上述值的结果(零偏移为 128):
关于c++ - 解释颜色函数和调整像素值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23213925/