简单的改变图片的亮度和对比度可以看作一个线性的过程：

相当于就是原图像每个像素点对应色彩或灰度的映射。直观上看，

决定了对比度，

越大，各像素之间的差别越大，对比度越大。

决定了亮度，

越大，各像素整体都变大，亮度提升了。

但其实这种表述并不准确，因为在对图像进行线性处理时存在溢出的问题，当

值太大时，

由于超过数据类型的上限被OpenCV置为特定值（比如CV_8U会被置为255）。对于灰度图，这些值都被置为相同值，相当于这部分像素点对比度调节完全失效了；对于三通道的彩色图，有一部分通道溢出，则会导致对比度比预期小的现象。

另一个层面上，

的改变也影响了亮度，因为上式中

的变化会统一的放大或缩小所有像素点的灰度值。当想要提高对比度时，如果不变化

的值，视觉上的”亮度“还是会提升。不妨把上式改写成如下式子：

当

大于1时，式子2表示对所有比T小的像素点的灰度值变得更小，对所有比T大的像素点的灰度值变得更大，这样当T值等于图像的平均灰度值（当然，是否就是平均灰度值也有待商榷）时就不会带来

的改变影响亮度的问题了。式子1实际上就是式子2中T等于0的特例，所有像素点的灰度值都大于等于0，所以整幅图像的亮度被

单调影响了。

完整的调整代码如下：

import cv2
import numpy as np
​
img = cv2.imread('connelly.jpg')
​
# 此处需注意，下面有说明
res = np.uint8(np.clip((2 * (np.int16(img) - 60) + 50), 0, 255))
tmp = np.hstack((img, res))  # 两张图片横向合并显示
​
cv2.imshow('image', tmp)
cv2.waitKey(0)

输出效果如下：

在用python改变图片的亮度和对比度时，有两个问题需要注意，第一个问题是数据类型，式子中其实有一个乘法，这是极有可能出现溢出的，如果代码是这样res = np.uint8(np.clip((2 * img - 60) + 50), 0, 255))，就会出现这样的结果:

解决的办法有两个，一是改变img的类型：使用np.int16(img)代替img；二是用浮点数2.0代替2，这样2.0 * img的数据类型会自动变成float64。

print((2.0 * img).dtype) # float64

第二个问题是对于溢出NumPy和OpenCV的处理方式不同：

x = np.uint8([250])
y = np.uint8([10])
print(cv2.add(x, y))  # 250 + 10 = 260 => 255 --255封顶
print(x + y)  # 250 + 10 = 260 % 256 = 4 --会溢出

如果我们使用NumPy处理就需要使用np.clip()函数将数据限定在0~255。

参考

1. https://www.numpy.org.cn/article/other/py_basic_ops.html#%E7%9B%AE%E6%A0%87
2. https://blog.csdn.net/abc20002929/article/details/40474807
3. https://docs.opencv.org/2.4/doc/tutorials/core/basic_linear_transform/basic_linear_transform.html#basic-linear-transform