显示器手调对比度算法介绍

基本原理

对比度提升曲线

对比度降低曲线

代码实现

效果对比

实际使用情况及特殊说明

基本原理

显示器上，一般都是可以进行手动调整对比度的，会有一个进度条，可以增加对比度或者降低对比度。实际上呢，背后的算法就是对图像在进行处理，对输入的图像根据用户的选择进行了对比度的增加或者降低。其算法原理是非常的简单，大概可以总结为如下公式：

当gain值大于1时，对比度增加，当gain值小于1时，对比度降低。

我们在使用PS时，调整图像对比度往往是拉一条我们想要的曲线，只是那个曲线的形状是多样化的，比如S型，甚至波浪型都有可能。因为人在判断拉的曲线好不好，如果不好，可能会重新调整曲线，直到得到自己满意的结果。这样就是基于内容的对比度调整了，但显示器上，没有这么复杂的操作，不会根据内容来调整对比度，而且，还不好判断对比度增加或减少的幅度，所以，基本上就弄的简单些，直接是直线，且固定点就在原点。

对比度提升曲线

根据公式得到对比度提升的曲线大概如下：

对比度降低曲线

对比度降低的曲线大概如下：

当然，遇到了超出数值范围的就会进行截断处理，如果图像内容有很多亮区，增加对比度后，必然会导致过曝的情况，系统默认是对比度为1的，也就是保持45°直线。降低对比度时，亮的像素被降低了，所有像素都有挤压，所以对比度就低了。

代码实现

简单的写了个Python代码来实现这个过程。

import cv2
import numpy as npdef DoContrast(img, k):img = img.astype(np.float)imgOut = img * kimgOut = np.clip(imgOut, 0, 255)imgOut = imgOut.astype(np.uint8)return imgOutif __name__ == '__main__':img = cv2.imread('test2.jpg', 1)imgEnhance = DoContrast(img, 1.25)imgDec = DoContrast(img, 0.8)cv2.imwrite('test_1.25.jpg', imgEnhance)cv2.imwrite('test_0.8.jpg', imgDec)

效果对比

原图

对比度增加，k=1.25

对比度降低，k=0.8

可以看到，增加对比度后，图像整体亮些，通透点，不过也有些过曝，如果程度不是很大，基本上还是可以接受的，降低对比度后，图像都暗沉一些了，没那么通透了。

实际使用情况及特殊说明

当然，实际在显示器上，产商一定会设定一个范围，比如最大提升多少，最大降低多少，然后把中间划分成N等分。不过，等分的时候，可能不是在非线性域等分的，可能是在线性域等分的，这个具体就要看产商怎么定了。比如最大增加对比度50%，应该不是让系数为1.5，可能是pow(1.5,1/2.2)，就是将1.5转到了线性域了，这样实现的是把屏幕亮度大概提升了50%。如果直接乘1.5，那么提升的亮度不是50%。降低对比度时也是类似的。

还有一点，这个过程中，理论上是只改变亮度，不改变颜色，但是当发生了clip时，是会改变颜色的，亮色还是做不到完全分离的。特别是，RGB三通道中，只有某一个通道发生了clip，那么颜色必然是被改变了的，主要是对比度提升时会有这种情况，降低对比度时，不会有该问题。