先來看看今天的結果圖
(增加對比度的結果：白的更白、黑的更黑)
-> 此篇文章的程式碼 github
Day08_調整對比度_modify_contrast.ipynb
前言
我們繼續製作屬於自己的日系濾鏡啦！
日系濾鏡的修圖過程，大致上有以下步驟：
| 文章 | 階段目標 |
|---|---|
| 【Day4】 | 1. 調亮光線 (調整光線) |
| 【Day5】 | 2. 加強飽和度 (調整飽和度) |
| 【Day6】 | 3. 將照片調成冷色調 |
| 【Day7】 | 4. 增添顆粒感 |
| 【Day8】 | 5. 降低對比 |
| 6. 降低高光 |
接下來的日子裡我們就來一個個用程式碼實現！
運用 OpenCV 改變圖片的對比度
網路上常見的方法：
def modify_contrast_and_brightness(img):
# 公式： Out_img = alpha*(In_img) + beta
# alpha: alpha參數 (>0)，表示放大的倍数 (通常介於 0.0 ~ 3.0之間)，能夠反應對比度
# a>1時，影象對比度被放大， 0<a<1時 影象對比度被縮小。
# beta: beta参数，用來調節亮度
# 常數項 beta 用於調節亮度，b>0 時亮度增強，b<0 時亮度降低。
array_alpha = np.array([2.0]) # contrast
array_beta = np.array([0.0]) # brightness
# add a beta value to every pixel
img = cv2.add(img, array_beta)
# multiply every pixel value by alpha
img = cv2.multiply(img, array_alpha)
# 所有值必須介於 0~255 之間，超過255 = 255，小於 0 = 0
img = np.clip(img, 0, 255)
print("增加對比度 - 網路上常見的方法 (但沒有實現黑的更黑這件事): ")
show_img(img)
網路上常見的方法 - 增加對比度結果如下：
我們可以看見，圖片顏色的對比度確實有增加了(白的更白)，
但是卻沒有實現「黑的更黑」這件事，
為什麼網路上常見的方法會這樣呢?
我們參考一張 OpenCV 官方論壇的圖來解釋這件事情：
從右上角的圖片中，我們可以看到我們實現的方式是透過乘上某一個 alpha 值，
導致分佈被放大，再進行縮小，
這樣確實能讓越大的數字(接近255)，被放的更大(超過255後，被計算為255)，
也就是說「白的更白」這件事就被這樣實現了，
但「黑的更黑」呢? 上面公式就是出現了這樣的問題，
我們發現越接近0的值，透過上面的公式沒有辦法更接近0，
甚至反而因為放大效果，離0更遠了?!
這樣就不太符合我們的增加對比度的意義了，
我們想要的是「白的更白、黑的更黑」的效果。
改良版的方法 – 實現增加對比度「白的更白、黑的更黑」
先看一下結果圖 – 增加對比度 (白的更白，黑的更黑)：
結果圖 – 減少對比度 (白黑都接近灰，分不清楚)：
應該可以很明顯能理解我們所說的意思：
* 增加對比度: 白的更白，黑的更黑
* 減少對比度: 白黑都接近灰，分不清楚
所以是怎麼實現的呢?
def modify_contrast_and_brightness2(img, brightness=0 , contrast=100):
# 上面做法的問題：有做到對比增強，白的的確更白了。
# 但沒有實現「黑的更黑」的效果
import math
brightness = 0
contrast = -100 # - 減少對比度/+ 增加對比度
B = brightness / 255.0
c = contrast / 255.0
k = math.tan((45 + 44 * c) / 180 * math.pi)
img = (img - 127.5 * (1 - B)) * k + 127.5 * (1 + B)
# 所有值必須介於 0~255 之間，超過255 = 255，小於 0 = 0
img = np.clip(img, 0, 255).astype(np.uint8)
print("減少對比度 (白黑都接近灰，分不清楚): ")
show_img(img)
改良版的公式，我們巧妙運用三角函數的特性，
c = contrast / 255.0
contrast = (-255, +255)，代表 c = (-1, +1)
k = math.tan((45 + 44 * c) / 180 * math.pi)
將 c 代入，得到約
tan((1~89)/180*pi)，
我們來思考一下tan的特性：
* tan > 45度: y>x，為分數 (0~1)，表示更接近0
* tan < 45度: x>y，為假分數 (>1)，表示更遠離0
那我們再看下一行：
img = (img – 127.5 * (1 – B)) * k + 127.5 * (1 + B)
我們從255的一半 127.5開始看，
後面127.5是正的
前面127.5是負的，因為乘上k，
k可以決定要更大的負(整個式子結果更負)或更小的負(整個式子結果更正)
因為我們是從中間 127.5 開始切，
所以就會有小於127.5 往更負的方向跑，大於127.5 往更正的方向跑的現象，
但隨著值越大，一定會超出 0 ~ 255 的顏色範圍，
所以最後我們用：
img = np.clip(img, 0, 255).astype(np.uint8)
所有值必須介於 0~255 之間，超過255 = 255，小於 0 = 0
完成了改變對比度的演算法。
本文同步發佈在: 第 12 屆 iT 邦幫忙鐵人賽
【沒錢ps,我用OpenCV!】Day 8 – 日系濾鏡5，運用 OpenCV 改變圖片的對比度 modify contrast (內含：網路上常見錯誤調整對比度方式的分析)
Reference
https://www.pythonf.cn/read/57067
https://kknews.cc/zh-tw/code/oka9mbm.html
https://blog.csdn.net/zh_jessica/article/details/77967650
https://www.cnblogs.com/lfri/p/10627595.html
