在数学中我们学过线性理论，在图像亮度和对比度调节中同样适用，看下面这个公式：

在图像像素中其中：

• 参数f(x)表示源图像像素。
• 参数g(x) 表示输出图像像素。
• 参数a（需要满足a>0）被称为增益（gain），常常被用来控制图像的对比度。
• 参数b通常被称为偏置（bias），常常被用来控制图像的亮度。

二、获取图像像素

在opencv中图像数据是存放在Mat数据类型中，我们知道一个像素有rgb构成，所以Mat是个三维数组，一下就是简单的获取mat中图像像素。

//三个for循环，执行运算 new_image(i,j) =a*image(i,j) + b
       for(int y = 0; y  )
       {
              for(int x = 0; x  )
              {
                     for(int c = 0; c <3; c++ )
                     {
                            new_image.at(y,x)[c]= saturate_cast( (g_nContrastValue*0.01)*(image.at(y,x)[c] ) + g_nBrightValue );
                     }
              }
       }

上述代码中image.at(y,x)[c] 其中，y是像素所在的行， x是像素所在的列， c是R、G、B（对应0、1、2）其中之一。

saturate_cast为了安全转换，运算结果可能超出像素取值范围（溢出），还可能是非整数（如果是浮点数的话），用saturate_cast对结果进行转换，以确保它为有效值。

效果图：

 

三、实例

#include 
#include 
#include "opencv2/imgproc/imgproc.hpp"

using namespace std;
using namespace cv;

static void ContrastAndBright(int, void *);
int g_nContrastValue; //对比度值
int g_nBrightValue;  //亮度值
Mat g_srcImage, g_dstImage;

int main()
{
    // 读入用户提供的图像
    g_srcImage = imread("0004.bmp");

    g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type());

    //设定对比度和亮度的初值
    g_nCOntrastValue= 80;
    g_nBrightValue = 80;

    //创建窗口
    namedWindow("【效果图窗口】", 1);

    //创建轨迹条
    createTrackbar("对比度：", "【效果图窗口】", &g_nContrastValue, 300, ContrastAndBright);
    createTrackbar("亮   度：", "【效果图窗口】", &g_nBrightValue, 200, ContrastAndBright);

    //调用回调函数
    ContrastAndBright(g_nContrastValue, 0);
    ContrastAndBright(g_nBrightValue, 0);

    waitKey(0);
    //输出一些帮助信息
    return 0;
}

//-----------------------------【ContrastAndBright( )函数】------------------------------------
//    描述：改变图像对比度和亮度值的回调函数
//-----------------------------------------------------------------------------------------------
static void ContrastAndBright(int, void *)
{
    // 三个for循环，执行运算 g_dstImage(i,j) = a*g_srcImage(i,j) + b
    for (int y = 0; y )
    {
        for (int x = 0; x )
        {
            for (int c = 0; c <3; c++)
            {
                g_dstImage.at(y, x)[c] = saturate_cast((g_nContrastValue*0.01)*(g_srcImage.at(y, x)[c]) + g_nBrightValue);
            }
        }
    }
    // 显示图像
    imshow("【原始图窗口】", g_srcImage);
    imshow("【效果图窗口】", g_dstImage);
}

注意：

saturate_cast：

功能：防止数据溢出，因为无论是加是减，乘除，都会超出一个像素灰度值的范围（0～255）。所以，所以当运算完之后，结果为负，则转为0，结果超出255，则为255。

这样已经完成了更改亮度和对比度的需求，但是用for循环执行效率有点低，图像处理起来也不是特别流畅，opencv给出了非常合适的函数。

#include 
#include 
#include "opencv2/imgproc/imgproc.hpp"

using namespace std;
using namespace cv;

static void ContrastAndBright(int, void *);
int g_nContrastValue; //对比度值
int g_nBrightValue;  //亮度值
Mat g_srcImage, g_dstImage;

int main()
{
    // 读入用户提供的图像
    g_srcImage = imread("0004.bmp");

    g_dstImage = Mat::zeros(g_srcImage.size(), g_srcImage.type());

    //设定对比度和亮度的初值
    g_nCOntrastValue= 80;
    g_nBrightValue = 80;

    //创建窗口
    namedWindow("【效果图窗口】", 1);

    //创建轨迹条
    createTrackbar("对比度：", "【效果图窗口】", &g_nContrastValue, 300, ContrastAndBright);
    createTrackbar("亮   度：", "【效果图窗口】", &g_nBrightValue, 200, ContrastAndBright);

    //调用回调函数
    ContrastAndBright(g_nContrastValue, 0);
    ContrastAndBright(g_nBrightValue, 0);

    waitKey(0);
    //输出一些帮助信息
    return 0;
}

//-----------------------------【ContrastAndBright( )函数】------------------------------------
//    描述：改变图像对比度和亮度值的回调函数
//-----------------------------------------------------------------------------------------------
static void ContrastAndBright(int, void *)
{
    // 三个for循环，执行运算 g_dstImage(i,j) = a*g_srcImage(i,j) + b
    //for (int y = 0; y //{
    //    for (int x = 0; x //    {
    //        for (int c = 0; c <3; c++)
    //        {
    //            g_dstImage.at(y, x)[c] = saturate_cast((g_nContrastValue*0.01)*(g_srcImage.at(y, x)[c]) + g_nBrightValue);
    //        }
    //    }
    //}
    g_srcImage.convertTo(g_dstImage, -1, g_nContrastValue*0.01, g_nBrightValue);
    // 显示图像
    imshow("【原始图窗口】", g_srcImage);
    imshow("【效果图窗口】", g_dstImage);
}