前言
上一篇文章，我们讲解了图像处理中的卷积操作和平滑（也就是模糊）处理，这篇文章我们进行亮度和对比度的变化。
其实，亮度是啥玩意？
亮度就是比较亮眼咯……
实际上对于RGBA颜色空间，变亮其实就等于R、G、B三个通道同时加大，那么变暗就等于同时减小咯。
这比较好理解，因为最暗的黑色是RGB(0,0,0)，而最亮的白色是RGB(255,255,255)。所以变亮应该RGB各通道都要增大。
那么，对比度呢？
对比度，其实就是颜色差啦。
那么对于RGBA颜色空间，对比度变大其实就等于R、G、B三个通道同时乘以一个比例，因为这样相近的颜色之间的差距就变大了，那么减小就是同时除以咯。
举个例子，原来RGB(23,44,55)和RGB(33,44,55)相差只有10，但是一起乘以2以后，就变成了RGB(46,88,110)和RGB(66,88,110)
，相差变成了20了，也就是“颜色差”变大了。
线性模型
newRGB = Contrast * RGB + Brightness
线性模型满足上述公式，其中 Contrast表示对比度系数，Brightness表示亮度系数。
线性模型实现比较简单，但是很容易就调出全白或者全黑的图片，对于普通用户来说Contrast、Brightness选多少比较好也比较难确定。
所以，实际上在Photoshop里面使用的并不是线性模型，而是非线性模型。
非线性模型
非线性模型中对比度增大和阈值Threshold有关：
当Contrast >= 0时：
newRGB = RGB + (RGB - Threshold) * (1 / (1 - Contrast / 255) - 1)
当Contrast < 0时：
newRGB = RGB + (RGB - Threshold) * Contrast / 255
那么当对比度和亮度同时调整时候呢？
如果对比度大于0，先调整亮度，再调整对比度；当对比度小于0时，则相反，先调整对比度，再调整亮度。
最后一个问题，阈值Threshold到底是什么，其实这个是图片的灰度平均值。
实现代码
var brightnessContrast = function(__src, __brightness, __contrast){
__src || error(arguments.callee, IS_UNDEFINED_OR_NULL/* {line} */);
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));
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;
dData[offset] = sData[offset] + brightness;
dData[offset + 1] = sData[offset + 1] + brightness;
dData[offset + 2] = sData[offset + 2] + brightness;
if(contrast >= 0){
for(c = 3; c--;){
if(dData[offset + c] >= gAverage){
dData[offset + c] = dData[offset + c] + (255 - gAverage) * contrast / 255;
}else{
dData[offset + c] = dData[offset + c] - (gAverage * contrast / 255);
}
}
}else{
dData[offset] = dData[offset] + (dData[offset] - gAverage) * contrast / 255;
dData[offset + 1] = dData[offset + 1] + (dData[offset + 1] - gAverage) * contrast / 255;
dData[offset + 2] = dData[offset + 2] + (dData[offset + 2] - gAverage) * contrast / 255;
}
dData[offset + 3] = 255;
}
}
}else{
error(arguments.callee, UNSPPORT_DATA_TYPE/* {line} */);
}
return dst;
};
效果
