Повысить контрастность изображения: Изменить яркость и контрастность фото онлайн

Содержание

5.5. Яркость-Контраст

Инструмент изменяет уровни яркости и контраста в активном слое или выделении. Он прост в использовании, но совершенно безыскусен. Инструменты «Уровни» и «Кривые» позволяют вносить те же изменения, но при этом позволяют менять яркие и тёмные цвета по-разному. Словом, этот инструмент хорош для быстрого и грязного результата; для получения более аккуратного результата используйте другие инструменты.

В GIMP 2.4 появился новый способ управления этим инструментом: щелчком указателем мыши по изображению и последующим перетаскиванием указателя при нажатой клавише мыши. Вертикальное движение изменяет яркость, горизонтальное — контраст. Получив нужный результат, нажмите кнопку OK в окне информации или клавишу Ввод.

5.5.1. Активация инструмента

Вы можете активировать инструмент несколькими способами:

через меню изображения Инструменты → Цвет → Яркость-Контраст или Цвет → Яркость-контраст,
либо щелчком по значку инструмента на панели инструментов, если он туда добавлен (если нет — вызовите диалог инструментов и добавьте его на панель).

5.5.2. Параметры

Рисунок 13.137. Параметры инструмента «Яркость-Контраст»

Сохранение параметров

Вы можете сохранить выбранные в диалоге параметры щелчком по кнопке Добавить эти параметры в избранное:

Щелчок по кнопке открывает следующее меню:

Рисунок 13.138. Меню параметров

из которого можно Импортировать параметры из файла или Экспортировать параметры в файл, а также получить доступ к диалогу управления сохраненными параметрами:

Рисунок 13.139. Диалог управления сохраненными параметрами

Яркость

Ползунок позволяет увеличить (положительные значения) или уменьшить (отрицательные значения) яркость.

Контраст

Ползунок позволяет увеличить (положительные значения) или уменьшить (отрицательные значения) контраст.

Изменить эти параметры как уровни

Вашу работу можно упростить: по нажатию этой кнопки активируется диалог инструмента Уровни, в который автоматически переносятся параметры из диалога этого инструмента.

Предварительный просмотр

Если параметр включен, результат действия инструмента можно наблюдать прямо на холсте по мере изменения значений яркости и контраста.

Уроки компьютерного зрения на Python + OpenCV с самых азов. Часть 4 / Хабр

Оглавление.

На прошлом уроке мы познакомились с медианной фильтрацией, кастомными фильтрами и выделением контуров. Напомню, что выделенный контур можно использовать для поиска области интересов на изображении и для нахождения различных фич. В частности, вот что можно далее сделать с контуром:

Выявить различные геометрические примитивы (прямые, окружности).
Превратить в цепочки точек и уже их отдельно анализировать.
Описать как граф и применять к нему алгоритмы на графах.

Продолжим изучать методы предобработки. Например, изображение можно сделать контрастным:

import cv2
img = cv2.imread('MyPhoto.jpg', 1)
cv2.imshow("Original image",img)
# CLAHE (Contrast Limited Adaptive Histogram Equalization)
clahe = cv2.createCLAHE(clipLimit=3., tileGridSize=(8,8))
lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)  # convert from BGR to LAB color space
l, a, b = cv2.split(lab)  # split on 3 different channels
l2 = clahe.apply(l)  # apply CLAHE to the L-channel
lab = cv2.merge((l2,a,b))  # merge channels
img2 = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)  # convert from LAB to BGR
cv2. imshow('Increased contrast', img2)
cv2.waitKey(0)
cv2.destroyAllWindows()

Испытаем данную программу на все той же до боли знакомой из предыдущих уроков картинке с пальмами:

Или, вот, например, фото, сделанное в темное время суток:

Замечу, что в данной программе использовался адаптивный алгоритм повышения контрастности. Тут, думаю, требуются некоторые пояснения Сначала программа создает адаптивную гистограмму. При этом изображение разбивается на блоки 8 на 8 и для каждого гистограмма строится отдельно:

# CLAHE (Contrast Limited Adaptive Histogram Equalization)
clahe = cv2.createCLAHE(clipLimit=3., tileGridSize=(8,8))

Далее, для наложения выровненных гистограмм на изображение оно преобразуется формат LAB, который представляет собой один канал светлоты L и два канала цвета A и B:

lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)  # convert from BGR to LAB color space
l, a, b = cv2.split(lab)  # split on 3 different channels

Наконец, мы можем применить выровненные гистограммы (только к каналу L – светлота):

l2 = clahe.  apply(l)  # apply CLAHE to the L-channel

Затем объединяем эти каналы и производим обратное преобразование:

lab = cv2.merge((l2,a,b))  # merge channels
img2 = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)  # convert from LAB to BGR
cv2.imshow('Increased contrast', img2)

Отдельно стоит сказать о параметре clipLimit. Он определят, насколько контрастнее станет фото. Например, поставим его 10 и получим вот это:

Как видим, тут проступили даже некоторые детали вдали. Правда, мы не может бесконечно увеличивать этот параметр, есть определенный предел, при котором шумы испортят фоточку. Вот что мы увидим, если поставим его 100:

А теперь попробуем у той же картинки выделить контур (без предварительного увеличения контрастности):

А если предварительно увеличить контрастность:

Как видим, тут более отчетливо проступили силуэты людей.

Ладно, раз уж мы заговорили о контурах, то рассмотрим и другие способы выявления фич. Например, особые точки, а именно, углы, изгибы, а так же некоторые бросающиеся в глаза особенности определенных объектов.

Например, на человеческом лице особыми точками являются глаза, нос, уголки рта. Поиск особых точек, по сути, тоже находиться где-то на границе приведенной в первом уроке классификации этапов компьютерного зрения.

Начнем, пожалуй, с детектора Харриса. Детектор Харриса – это алгоритм поиска углов на изображении. В OpenCV есть такая функция и называется cornerHarris. Давайте испытаем ее:

# Python программа для иллюстрации
# обнаружение угла с
# Метод определения угла Харриса
import cv2
import numpy as np
# путь к указанному входному изображению и
# изображение загружается с помощью команды imread
image = cv2.imread('DSCN1311.jpg')
# конвертировать входное изображение в Цветовое пространство в оттенках серого
operatedImage = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# изменить тип данных
# установка 32-битной плавающей запятой
operatedImage = np.float32(operatedImage)
# применить метод cv2.cornerHarris
# для определения углов с соответствующими
# значения в качестве входных параметров
dest = cv2.   cornerHarris(operatedImage, 2, 5, 0.07)
# Результаты отмечены через расширенные углы
dest = cv2.dilate(dest, None)
# Возвращаясь к исходному изображению,
# с оптимальным пороговым значением
image[dest > 0.01 * dest.max()] = [0, 0, 255]
# окно с выводимым изображением с углами
cv2.imshow('Image with Borders', image)
if cv2.waitKey(0) & 0xff == 27:
    cv2.destroyAllWindows()

И вот что получиться, если применить его к изображению:

Как видим, алгоритм довольно неплохо определил углы окон, дверей и стен. А еще, правда, он принял за углы там, где нет углов. Ну что ж, бывает, не всегда подобные алгоритмы работаю идеально.

Ладно, выделили мы особые точки. А что дальше? А дальше, примерно то же, что и с контурами:

Составить из точек различеные геометрические фигуры, например, треугольники.
Превратить в цепочки точек и уже их отдельно анализировать.
Описать как граф и применять к нему алгоритмы на графах.

В комментах к прошлому уроку написали: «Надеюсь на продолжение, так как вот это: «Описать как граф и применять к нему алгоритмы на графах. » очень интересует». Ну что ж, давайте попробуем это сделать. Проще всего, конечно, превратить в граф набор особых точек (в случае с контуром точек больше и поэтому работать с ним сложнее). Для начала, давайте уменьшим количество точек, повысив порог:

# Возвращаясь к исходному изображению,
# с оптимальным пороговым значением
image[dest > 0.05 * dest.max()] = [0, 0, 255]

Теперь, для наглядности, уберем картинку, оставив только одни точки:

# Возвращаясь к исходному изображению,
# с оптимальным пороговым значением
img_blank = np.zeros(image.shape)
img_blank[dest > 0.05 * dest.max()] = [0, 0, 255]
# окно с выводимым изображением с углами
cv2.imshow('Image with Borders', img_blank)

Как нам эти точки превратить в граф? Для начала вспомним, как работать с такими структурами, как граф. Об этом можно почитать в статье: Алгоритмы обхода графов на Python и C# — Библиотека разработчика Programming Store (programstore.ru). Если кратко, то граф можно представить в виде списка вершин (точек) и их соединений (ребер). Еще можно представить граф в виде матрицы соединений. Как будем представлять граф мы, решим попозже, для начала, давайте попробуем перебрать все точки и сосчитать их количество:

heigh=img_blank.shape[0]
width=img_blank.shape[1]
count=0
for x in range(0,width):
    for y in range(0,heigh):
        if img_blank[y,x,2]==255:
            print(x,y)
            count+=1
print("Всего",count,"точек")

У меня получилось 2829, причем, многие точки находится рядом, с разницей всего в один пиксель (да это и видно из предыдущей картинки):

Как это точки можно проредить? Один из способов – это объединить близкие точки в одну, центр которой будет неким средним арифметическим вот этих вот близких точек. Но тут одна проблема. Если мы будем вычислять расстояние каждой точки с каждой, то это будет количество точек в квадрате. Число 2829 в степени 2 – это чуть больше 8 млн. А если точек будет еще больше? Явно подход нерациональный. Как вариант, можно при обходе сразу собирать близкие точки в кластер, а уже потом рассчитать их средние координаты.

Для начала, попробуем просто сгруппировать точки. Для этого нам потребуется несколько вспомогательных функций:

#Получить последнюю точку в списке списочков и одиночных точек
def get_last_point(ls):
    lls = len(ls)
    if lls>0:
        item=ls[lls - 1]
        if type(item)==list:
            if len(item)>0:
                x,y=item[len(item)-1]
            else:
                return 0, 0, False
        else:
            x,y=item
        return x,y,True
    return 0,0,False
#Вычислить расстояние между точками
def get_distance(p1,p2):
    x1,y1=p1
    x2,y2=p2
    l = math.sqrt((x1 - x2) * (x1 - x2) + (y1 - y2) * (y1 - y2))  # Евклидово расстояние между точками
    return l
#Добавить точку в кластер 
def add_point_to_claster(x,y,ls):
    lls = len(ls)
    item = ls[lls - 1]
    if type(item) == list:
        item.append((x,y))
    else:
        x1,y1=item
        item=[(x1,y1)]
        item.append((x,y))
        ls[lls-1]=item

Идея состоит в том, что точка у нас представлена в виде кортежа из двух чисел (ее координат). Мы проходим по растру, определяем, если там точка и если есть то добавляем ее в список. Но если эта точка близка к последней точке списка, то мы превращаем эту последнюю точку в список, состоящий последней и текущей точки. Далее, если следующая точка окажется близкой, мы тоже добавим ее в этот список. Если нет – начнем строить новый список. В итоге у нас получиться список списков и одиночных точек (если они будут). Можно, конечно, было сделать проще, список списков, а если это одиночная точка то подпсписок имеет длину 1. Но, с дургой стороны, из этого примера мы еще научимся, как в Python определять тип переменной.

Как определить, что точки близки друг другу? Надо вычислить евклидово расстояние, и если оно меньше порога, то точки близки. Порог я тут взял «с потолка», поставил равный 3.

Вот как мы используем эти функции:

heigh=img_blank.shape[0]
width=img_blank.shape[1]
points=[]
for x in range(0,width):
    for y in range(0,heigh):
        if img_blank[y,x,2]==255:
            x1, y1, point_is = get_last_point(points)
            if point_is:
                l=get_distance((x1,y1),(x,y))
                if l<3:
                    add_point_to_claster(x,y,points)
                    continue
            points. append((x,y))
for point in points:
    print(point)

Вот что в итоге получилось:

В итоге, количество элементов в списке стало 591. Теперь осталось превратить их в точки:

 def calk_center(ls):
    ix=0
    iy=0
    l=float(len(ls))
    for point in ls:
        x,y=point
        ix+=x
        iy+=y
    return round(ix/l),round(iy/l)

Выведем эти точки на экран:

centers=[]
for point in points:
    if type(point)==list:
        centers.append(calk_center(point))
    else:
        centers.append(point)
img_blank1 = np.zeros(image.shape)
for point in centers:
    print(point)
    x,y=point
    img_blank1[y,x,2]=255

Вот что в итоге получилось:

Получилось, правда, не очень. Что характерно, даже увеличение порога не улучшает качество объединения точек. На самом деле, обходить точки через развертку была не очень хорошей идеей, именно в этом и ошибка: соседние точки, находящиеся рядом, могли попасть в разные списки. В следующем уроке я расскажу вам, как исправить этот недочет.

Ну, и в заключении урока полный текст полученной программы по нахождения и прореживанию особых точек:

# Python программа для иллюстрации
# обнаружение угла с
# Метод определения угла Харриса
import cv2
import numpy as np
import math
#Получить последнюю точку в списке списоков и одиночных точек
def get_last_point(ls):
    lls = len(ls)
    if lls>0:
        item=ls[lls - 1]
        if type(item)==list:
            if len(item)>0:
                x,y=item[len(item)-1]
            else:
                return 0, 0, False
        else:
            x,y=item
        return x,y,True
    return 0,0,False
#Вычслить расстояние между точками
def get_distance(p1,p2):
    x1,y1=p1
    x2,y2=p2
    l = math.sqrt((x1 - x2) * (x1 - x2) + (y1 - y2) * (y1 - y2))  # Евклидово расстояние между последней и текущей точкой
    return l
#Добавить точку в кластер
def add_point_to_claster(x,y,ls):
    lls = len(ls)
    item = ls[lls - 1]
    if type(item) == list:
        item.append((x,y))
    else:
        x1,y1=item
        item=[(x1,y1)]
        item. append((x,y))
        ls[lls-1]=item
def calk_center(ls):
    ix=0
    iy=0
    l=float(len(ls))
    for point in ls:
        x,y=point
        ix+=x
        iy+=y
    return round(ix/l),round(iy/l)
# путь к указанному входному изображению и
# изображение загружается с помощью команды imread
image = cv2.imread('DSCN1311.jpg')
# конвертировать входное изображение в Цветовое пространство в оттенкахсерого
operatedImage = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
# изменить тип данных
# установка 32-битной плавающей запятой
operatedImage = np.float32(operatedImage)
# применить метод cv2.cornerHarris
# для определения углов с соответствующими
# значения в качестве входных параметров
dest = cv2.cornerHarris(operatedImage, 2, 5, 0.07)
# Результаты отмечены через расширенные углы
dest = cv2.dilate(dest, None)
# Возвращаясь к исходному изображению,
# с оптимальным пороговым значением
img_blank = np.zeros(image.shape)
img_blank[dest > 0.05 * dest.max()] = [0, 0, 255]
heigh=img_blank.shape[0]
width=img_blank. shape[1]
points=[]
for x in range(0,width):
    for y in range(0,heigh):
        if img_blank[y,x,2]==255:
            x1, y1, point_is = get_last_point(points)
            if point_is:
                l=get_distance((x1,y1),(x,y))
                if l<3:
                    add_point_to_claster(x,y,points)
                    continue
            points.append((x,y))
centers=[]
for point in points:
    if type(point)==list:
        centers.append(calk_center(point))
    else:
        centers.append(point)
img_blank1 = np.zeros(image.shape)
for point in centers:
    print(point)
    x,y=point
    img_blank1[y,x,2]=255
# окно с выводимым изображением с углами
cv2.imshow('Image with Borders', img_blank1)
if cv2.waitKey(0) & 0xff == 27:
    cv2.destroyAllWindows()

Изменение яркости, контрастности или резкости изображения

Excel для Microsoft 365 Word для Microsoft 365 Outlook для Microsoft 365 PowerPoint для Microsoft 365 Project Online Desktop Client Excel 2021 Word 2021 Outlook 2021 PowerPoint 2021 Project профессиональный 2021 Project Standard 2021 Excel 2019 Word 2019 Outlook 2019 PowerPoint 2019 Project профессиональный 2019 Project Standard 2019 Excel 2016 Word 2016 Outlook 2016 PowerPoint 2016 Project профессиональный 2016 Project Standard 2016 Excel 2013 Word 2013 Outlook 2013 PowerPoint 2013 Project профессиональный 2013 Project Standard 2013 Excel 2010 Word 2010 Outlook 2010 PowerPoint 2010 Excel 2007 Word 2007 Outlook 2007 PowerPoint 200 7 Больше. ..Меньше

Изменить яркость экрана

Вы хотите настроить яркость экрана ?

Windows 10 : выберите Пуск , выберите Настройки , а затем выберите Система > Дисплей . Ползунок 0014 для регулировки яркости. Подробнее см.: Изменение яркости экрана
Windows 8 : Нажмите клавишу Windows + C. Выберите Настройки , затем выберите Изменить настройки ПК . Выберите ПК и устройства > Дисплей . Включить Автоматически настроить яркость экрана . Подробнее см.: Настройка яркости и контрастности

Прочтите информацию о настройках изображения в приложениях Office.

Вы можете изменить яркость, контрастность или резкость изображения с помощью инструментов коррекции.

В этом видео показано несколько способов настройки изображения:

(После того, как вы начнете воспроизведение видео, вы можете щелкнуть стрелку изменения размера в правом нижнем углу видеокадра, чтобы увеличить видео.)

Продолжительность: 1:35

Отрегулируйте яркость, резкость или контрастность

Щелкните изображение, для которого вы хотите изменить яркость.
В разделе Инструменты для работы с рисунками на вкладке Формат в группе Настройка щелкните Исправления .
В зависимости от размера экрана кнопка Исправления может выглядеть по-разному.
Если вы не видите вкладки Формат или Работа с рисунками , убедитесь, что вы выбрали изображение. Возможно, вам придется дважды щелкнуть изображение, чтобы выбрать его и открыть вкладку Format .
Выполните одно или несколько из следующих действий:
- В разделе Резкость/Смягчение щелкните нужную миниатюру. Миниатюры слева показывают больше мягкости и больше резкости справа.
- org/ListItem»>
  В разделе Яркость/Контрастность щелкните нужную миниатюру. Миниатюры слева имеют меньшую яркость, а справа — ярче. Миниатюры вверху менее контрастны, а внизу — более контрастны.
  Совет: Когда вы наводите мышью на параметр в галерее исправлений, изображение на слайде изменяется, чтобы вы могли предварительно просмотреть эффект параметра, на который вы указываете.
Для точной настройки коррекции щелкните Параметры коррекции изображения , а затем переместите ползунок Резкость , Яркость или Контрастность или введите число в поле рядом с ползунком.

Примечание. Если вы используете PowerPoint, вы все равно можете сохранить исходную версию изображения, даже если вы внесли исправления. Эта функция недоступна в Word или Excel.

Изменить цветовую схему Office для большей контрастности

Цветовая схема Office слишком яркая для вас? Вам нужно больше контраста в приложениях Office? См. раздел Изменение темы Office (Office 2016 и 2013).

Вы можете изменить яркость, контрастность или резкость изображения с помощью инструментов коррекции.

По часовой стрелке сверху слева: исходное изображение и изображение с повышенной мягкостью, повышенной контрастностью и повышенной яркостью.

Настройка яркости или контрастности изображения

org/ListItem»>
Щелкните изображение, для которого вы хотите изменить яркость или контрастность.
В разделе Инструменты для работы с рисунками на вкладке Формат в группе Настройка щелкните Исправления .
Если вы не видите вкладки Формат или Работа с рисунками , убедитесь, что вы выбрали изображение. Возможно, вам придется дважды щелкнуть изображение, чтобы выбрать его и открыть окно 9.0013 Формат таб.
В разделе Яркость и контрастность щелкните нужную миниатюру.
Совет: Когда вы наводите указатель мыши на миниатюру изображения в галерее, изображение на слайде изменяется, чтобы вы могли предварительно просмотреть эффект параметра, на который вы указываете.
Для точной настройки уровня яркости или контрастности щелкните Параметры коррекции изображения , а затем в разделе Яркость и контрастность переместите ползунок Яркость или ползунок Контрастность или введите число в поле рядом с ползунок.

Совет: Если вы используете PowerPoint, вы все равно можете сохранить исходную версию изображения, даже если вы изменили яркость изображения. Эта функция недоступна в Word или Excel.

Настройка резкости изображения

Щелкните изображение, для которого вы хотите изменить резкость.
В разделе Инструменты для работы с изображениями на вкладке Формат в группе Настройка нажмите Исправления .
Если вы не видите вкладки Формат или Работа с рисунками , убедитесь, что вы выбрали изображение. Возможно, вам придется дважды щелкнуть изображение, чтобы выбрать его и открыть вкладку Format .
В разделе Резкость и смягчение щелкните нужную миниатюру.
Совет: Когда вы наводите указатель мыши на миниатюру изображения в галерее, изображение на вашем слайде изменяется, чтобы вы могли предварительно просмотреть эффект параметра, на который вы указываете.
Чтобы точно настроить степень резкости или размытости, щелкните Параметры коррекции изображения , а затем в разделе Резкость и смягчение переместите ползунок Резкость и смягчение или введите число в поле рядом с ползунком.

Изменить цветовую схему Office для большей контрастности

Цветовая схема Office слишком яркая для вас? Вам нужно больше контраста в приложениях Office? См. раздел Изменение цветовой схемы Office 2010.

Вы можете изменить яркость или контраст изображения.

Настройка яркости изображения

org/ListItem»>
Щелкните изображение, для которого вы хотите изменить яркость.
В разделе Инструменты для работы с рисунками на вкладке Формат в группе Настройка нажмите Яркость .
Щелкните нужный процент яркости.
Для точной настройки уровня яркости щелкните Параметры коррекции изображения , а затем переместите ползунок Яркость или введите число в поле рядом с ползунком.

Настройка контрастности изображения

Щелкните изображение, контрастность которого вы хотите изменить.
В разделе Инструменты для работы с рисунками на вкладке Формат в группе Настройка нажмите Контрастность .
Щелкните нужный процент контрастности.
Для точной настройки уровня контрастности щелкните Параметры коррекции изображения , а затем переместите ползунок Контраст или введите число в поле рядом с ползунком.

См.

также

Сделать картинку прозрачной

Изменить цвет изображения

Применение художественного эффекта к изображению

Редактируйте изображения с помощью приложения «Фотографии» в Windows 10.

Регулировка контрастности — MATLAB & Simulink

Регулировка контраста, выравнивание гистограммы, декорреляция растяжка

Регулировка контрастности переназначает значения интенсивности изображения на весь дисплей диапазон типа данных. Изображение с хорошим контрастом имеет резкое различия между черным и белым.

Для иллюстрации: изображение слева плохо контрастно, с интенсивностью значения ограничены средней частью диапазона. Изображение на правый имеет более высокий контраст со значениями интенсивности, которые заполняют весь диапазон интенсивности [0, 255]. На высококонтрастном изображении светлые участки выглядят ярче, а тени выглядят темнее.

Функции, описанные в этом разделе, в основном относятся к оттенкам серого. изображений. Однако некоторые из этих функций можно применять к цветным изображениям. также. Для получения информации о том, как эти функции работают с цветом изображения, см. справочные страницы для отдельных функций.

Функции

9 imflatfield

`imadjust`	Настройка значений яркости изображения или карты цветов
`imadjustn` 9033 6	Настройка значений интенсивности в N -D объемное изображение
`imcontrast`	Настройка контрастности tool
`imflatfield`	Коррекция плоского поля двумерного изображения
`imlocalbrighten`	Увеличение яркости изображения при слабом освещении
`imreducehaze`	Уменьшение атмосферной дымки
`locallapfilt`	Быстрая локальная лапласианская фильтрация изображений
`localcontrast`	Управление локальным контрастом изображений с учетом границ
`localtonemap`	Рендеринг HDR-изображения для просмотра с усилением локальной контрастности
`histeq`	Повышение контрастности с помощью гистограммного эквализации	Адаптивное выравнивание гистограммы с ограничением контраста (CLAHE)
`imhistmatch`	Настройка гистограммы двумерного изображения в соответствии с гистограммой эталонного изображения изображение
`decorrstretch`	Применение растяжения декорреляции к многоканальному изображению
`intlut`	Преобразование целых значений с помощью таблицы поиска
`imnoise`	Добавить шум к изображению

Темы

Гамма-коррекция
более яркие или более темные значения.
Настройка контрастности изображения в приложении Image Viewer
Настройка контрастности и яркости изображения с помощью инструмента «Настройка контрастности» или Инструмент Окно/Уровень.
Укажите пределы регулировки контрастности
Можно указать диапазон входных и выходных значений. По желанию можно установить диапазон автоматически на основе гистограммы изображения.
Настройка значений яркости изображения в указанном диапазоне
Увеличьте контрастность изображения в градациях серого, переназначив значения данных, чтобы заполнить весь доступный диапазон интенсивности [0, 255].
Регулировка контрастности изображения с помощью выравнивания гистограммы
Выравнивание гистограммы автоматически регулирует яркость изображения путем сопоставления гистограммы выходных изображений в заданную гистограмму.
Адаптивная коррекция гистограммы
Адаптивная коррекция гистограммы регулирует интенсивность изображения в небольших областях изображения. изображение.
Улучшение разделения цветов с помощью растяжения декорреляции
Растяжение декорреляции улучшает разделение цветов изображения для улучшения визуального восприятия. интерпретация и облегчить распознавание признаков.