理论

图像变换可以看作如下：

• 像素变换 – 点操作
• 邻域操作 – 区域

1. 做图像的卷积，整体的特征的提取或者图像梯度的计算，图像的模式识别，匹配等前期处理，焦点检测，模糊，平滑等操作是需要邻域操作
2. 调整图像亮度和对比度属于像素变换-点操作
3. 下方是对像素点进行操作的数学表达式，用来调整图像亮度与对比度
   g(i,j) = a*f(i,j) + b;
   其中，f(i,j)表示输入图像的像素点的值；g(i,j)为输出图像的像素点的值；a>0，b是增益变量，通过调整a、b的值就可以调整图像对比度和亮度（a调整对比度，b调整亮度）

相关函数API

opencv自带函数

1. Mat new_image = Mat::zeros( image.size(), image.type() );
   创建一张跟原图像大小和类型一致的空白图像、像素值初始化为0
2. saturate_cast(value)
   确保值大小范围为0~255之间
3. Mat.at(y,x)[index]=value
   给每个像素点每个通道赋值
4. void convertTo( OutputArray m, int rtype, double alpha=1, double beta=0 ) const;
   参数1： m – 目标矩阵。如果m在运算前没有合适的尺寸或类型，将被重新分配。
   参数2：rtype – 目标矩阵的类型。因为目标矩阵的通道数与源矩阵一样，所以rtype也可以看做是目标矩阵的位深度。如果rtype为负值，目标矩阵和源矩阵将使用同样的类型。
   参数3：alpha – 尺度变换因子（可选）。
   参数4：beta – 附加到尺度变换后的值上的偏移量（可选）。

自定义函数

void changeContrast(Mat &src, Mat &dst,float alpha, float beta);
参数1：输入需要调整的图像
参数2：输出对比度和亮度调整后的图像
参数3：输入浮点型的数值alpha，用来调节对比度
参数4：输入浮点型的数值beta，用来调节亮度

代码实现效果

1. 原始的三通道彩色rgb图像
   
2. rgb图像经过changeContrast(src, dst_rgb, 1.2, 10);处理过的图像
   
3. rgb图像经过cvtColor(src, gray, COLOR_BGR2GRAY);处理后的单通道灰度图像
   
4. 灰度图像经过changeContrast(gray, dst_gray, 1.2, 10);处理后的图像
   

具体代码实现

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

void changeContrast(Mat &src, Mat &dst,float alpha, float beta);//输入src；输出dst；alpha用来调节对比度；beta用来调节亮度

int main(){
	Mat src = imread("1.jpg",IMREAD_UNCHANGED);//读取原始图像，此处的图像是三通道彩色rgb图像
	if (!src.data){
		cout << "could not load image ..." << endl;
		getchar();//此处若使用waitKey(0);不能实现暂停状态
		return -1;
	}
	imshow("src image", src);//展示原始图像


	//调整rgb图像的对比度和亮度
	Mat dst_rgb;//定义一个输出图像，下面调用函数时使用
	changeContrast(src, dst_rgb, 1.2, 10);
	imshow("dst_rgb image", dst_rgb);//展示调整对比度和亮度后的rgb图像
	//imwrite("dst_rgb.jpg", dst);


	//将上面的rgb转换成灰度图像
	Mat gray;
	cvtColor(src, gray, COLOR_BGR2GRAY);//此处用来将三通道彩色rgb图像转换成单通道灰度图像
	imshow("gray image", gray);//展示灰度化后的图像
	//imwrite("gray.jpg", gray);


	//调整gray图像的对比度和亮度
	Mat dst_gray;//定义一个输出图像，下面调用函数时使用
	changeContrast(gray, dst_gray, 1.2, 10);
	imshow("dst_gray image", dst_gray);//展示调整对比度和亮度后的rgb图像
	//imwrite("dst_gray.jpg", dst2);

	waitKey(0);//此处不能使用getchar来暂停，否则会导致图片无法显示
	return 0;
}

void changeContrast(Mat &src, Mat &dst, float alpha, float beta){	//定义alpha用来调节对比度，beta用来调节亮度
	dst = Mat::zeros(src.size(), src.type());//创建一个背景图像dst，与原始图像src类型相同
	Mat m1;
	src.convertTo(m1, CV_32F);//convertTo用来改变图像的位深度，此处将src的中的数据类型变为float类型，为了后面使用Vec3f来读取其中的像素值，否则用Vec3f读取uchar类型的数据会报错
	for (int row = 0; row < src.rows; row++){
		for (int col = 0; col < src.cols; col++){
			if (src.channels() == 1){	//判断如果图像是单通道的（单通道和三通道读取像素不同）
				float v = src.at<uchar>(row, col);
				dst.at<uchar>(row, col) = saturate_cast<uchar>(alpha*v + beta);//saturate_cast将里面的值保持在0~255之间
			}
			else if (src.channels() == 3){  //判断如果图像是三通道的
				float b = m1.at<Vec3f>(row, col)[0];		//此处使用at<Vec3f>进行像素读取操作时，图像的像素值的类型必须为float型的，否则类型不匹配无法读取。
				float g = m1.at<Vec3f>(row, col)[1];		//一般读取的数据类型是8位无符号整型的数值，使用at<Vec3b>即可读取（前面的convertTo便可直接去掉）
				float r = m1.at<Vec3f>(row, col)[2];

				dst.at<Vec3b>(row, col)[0] = saturate_cast<uchar>(alpha*b + beta);//此处就是针对像素点的值的操作，对应数学理论g(i,j) = a*f(i,j) + b;
				dst.at<Vec3b>(row, col)[1] = saturate_cast<uchar>(alpha*g + beta);//saturate_cast<uchar>(value)确保值大小范围为0~255之间
				dst.at<Vec3b>(row, col)[2] = saturate_cast<uchar>(alpha*r + beta);
			}
		}
	}

}