使用python增加图像中特定像素的亮度

我想增加下图中紫色的亮度/生动度：

这是调色板

以下是我尝试过的：但这会增加整个图像的亮度：

def increase_brightness(img, value=20):
    hsv = cv2.cvtColor(img, cv2.COLOR_RGB2HSV)
    h, s, v = cv2.split(hsv)

    lim = 255 - value
    v[v > lim] = 255
    v[v <= lim] += value

    final_hsv = cv2.merge((h, s, v))
    img = cv2.cvtColor(final_hsv, cv2.COLOR_HSV2BGR)
    plt.imsave('img_new.png', img)

    return img

def增加亮度（img，值=20）：
hsv=cv2.CVT颜色（img，cv2.COLOR_RGB2HSV）
h、 s，v=cv2.分流（hsv）
lim=255-值
v[v>lim]=255
v[v注意，您已将图像从RGB转换为HSV，需要将其从BGR转换为HSV

如果您只想增加紫色的亮度，请对紫色使用cv2.inRange（）创建遮罩。然后使用当前方法修改输入图像的所有位置。然后使用遮罩组合输入图像和修改图像，以便仅显示与遮罩中的白色对应的紫色的增强效果

这是在Python/OpenCV中实现的

输入：


导入cv2
将numpy作为np导入
#读取图像
img=cv2.imread（'purple.png'）
#设定值
值=20
#将图像转换为hsv颜色空间
hsv=cv2.CVT颜色（img，cv2.COLOR\U BGR2HSV）
h、 s，v=cv2.分流（hsv）
#创建紫色的遮罩和它的反转遮罩
低_范围=（80160,50）
高_范围=（150230120）
遮罩=cv2.inRange（hsv、低量程、高量程）
inv_掩码=cv2。按位_非（掩码）
mask=cv2.merge（[掩码，掩码，掩码]）
库存掩码=cv2.合并（[库存掩码，库存掩码，库存掩码]）
#增强hsv图像的价值通道
lim=255-值
v[v>lim]=255
v[v注意，您已将图像从RGB转换为HSV，需要将其从BGR转换为HSV

如果您只想增加紫色的亮度，请对紫色使用cv2.inRange（）创建遮罩。然后使用当前方法修改输入图像的所有位置。然后使用遮罩组合输入图像和修改图像，以便仅显示与遮罩中的白色对应的紫色的增强效果

这是在Python/OpenCV中实现的

输入：


导入cv2
将numpy作为np导入
#读取图像
img=cv2.imread（'purple.png'）
#设定值
值=20
#将图像转换为hsv颜色空间
hsv=cv2.CVT颜色（img，cv2.COLOR\U BGR2HSV）
h、 s，v=cv2.分流（hsv）
#创建紫色的遮罩和它的反转遮罩
低_范围=（80160,50）
高_范围=（150230120）
遮罩=cv2.inRange（hsv、低量程、高量程）
inv_掩码=cv2。按位_非（掩码）
mask=cv2.merge（[掩码，掩码，掩码]）
库存掩码=cv2.合并（[库存掩码，库存掩码，库存掩码]）
#增强hsv图像的价值通道
lim=255-值
v[v>lim]=255
v[v您可以为图像添加对比度。不可能重复使用代码，但创建一个考虑对比度的代码：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

image = cv.imread('image.png')

def increase_brightness(image, alpha, beta):
    # Simple contrast control(alpha)
    # Simple brightness control(betha)

    new_image = np.zeros(image.shape, image.dtype)

    for y in range(image.shape[0]):
        for x in range(image.shape[1]):
            for c in range(image.shape[2]):
                new_image[y,x,c] = np.clip(alpha*image[y,x,c] + beta, 0, 255)

    plt.imsave('img_new.png', new_image)
    return new_image

我测试了以下案例：

increase_brightness(image, 1.0, 4)

旧图像：


新图像：


我的解决方案基于此链接：
您可以为图像添加对比度。不可能重复使用代码，但创建一个考虑对比度的代码：

import cv2 as cv
import numpy as np
import matplotlib.pyplot as plt

image = cv.imread('image.png')

def increase_brightness(image, alpha, beta):
    # Simple contrast control(alpha)
    # Simple brightness control(betha)

    new_image = np.zeros(image.shape, image.dtype)

    for y in range(image.shape[0]):
        for x in range(image.shape[1]):
            for c in range(image.shape[2]):
                new_image[y,x,c] = np.clip(alpha*image[y,x,c] + beta, 0, 255)

    plt.imsave('img_new.png', new_image)
    return new_image

我测试了以下案例：

increase_brightness(image, 1.0, 4)

旧图像：


新图像：


我的解决方案基于此链接：
您可以使用
np.where（）
使您的代码读得更好。我无法确定您到底出了什么问题。一个带有您想要的输出示例的小样本数组将非常有助于查看，您可以使用
np.where（）使您的代码读得更好
。我不知道你到底出了什么问题。一个小样本数组和一个你想要的输出示例非常有帮助。这正是我的问题，如何创建一个遮罩，只修改输入中与紫色对应的像素的亮度？我当前的答案向你展示了如何操作。起初我误读了e问题。所以我编辑了我的答案。这正是我的问题，如何创建一个遮罩，只修改输入中与紫色对应的像素的亮度？我当前的答案向您展示了如何修改。我一开始误解了这个问题。所以我编辑了我的答案。这并没有回答他的问题。他不想增加对比度或亮度re，仅适用于紫色像素。此外，您可以使用cv2.normalize在一行中执行您尝试执行的操作。请参阅，这并不能回答他的问题。他不想在任何地方增加对比度或亮度，仅适用于紫色像素。此外，您可以使用cv2.normalize在一行中执行您尝试执行的操作。请参阅