最近在做一个用unet神经网络识别种子出苗率的项目（种子贼小，分辨率还贼低），由于识别的效果不太好，只能对图像做预处理了。。。预处理选用的是ps中的色阶处理，可是cv2等图像库中没有现成的函数，只能自己一点一点搜资料，找到了ps中色阶调整的计算公式。
以下是ps中的色阶窗口
左边黑三角叫做黑场，中间叫做灰场，右边叫做白场。上面的图是分布直方图，表示每个色阶的数量，开始我天真的以为色阶调整是把低于黑场的像素值设置为0，高于白场的设为255就行，后来这么写出来后，发现事情并不简单，根本不是想要的效果，然后又去各种搜博客，**终于**，我发现了一位老哥的博客：https://blog.csdn.net/maozefa/article/details/43971063
太感谢这位老哥了，大家有公式不懂的可以去看看。
根据他给的公式，我用python实现了一下：
''' 用于图像预处理，模拟ps的色阶调整 img：传入的图片 Highlight：白场(Shadow-255) Shadow：黑场(0-Highlight) 0 <= Shadow < Highlight <= 255 返回一张图片 ''' def Whiite_Black_Level_Pretreatment(self, img, Shadow,Highlight): if Highlight > 255: Highlight = 255 if Shadow < 0: Shadow = 0 if Shadow >= Highlight: Shadow = Highlight - 2 # 转类型 img = np.array(img, dtype=int) # 计算白场黑场离差 Diff = Highlight - Shadow # 计算系数 coe = 255.0 / Diff rgbDiff = img - Shadow rgbDiff = np.maximum(rgbDiff, 0) img = rgbDiff * coe # 四舍五入到整数 img = np.around(img, 0) # 变为int型 img = img.astype(int) return img
注意：我这里没有关系到中间的灰场和输出色阶，我的灰场默认为1.0，如果需要用到灰场，需要实现这里：
效果：当黑场为81，白场为161时：
原图：
处理后：