如何提升图像对比度与亮度：实现Windows照片应用清晰滤镜效果

需求概述 #

我有一张输入图像，希望提升其对比度与亮度，达到类似Windows 10照片应用中Clarity滤镜的效果（具备更丰富细节、更优物体与色彩区分度）。

输入图像 #

现有代码运行结果 #

期望效果 #

当前代码 #

import cv2
import numpy as np
import skimage.filters as filters
from PIL import ImageFilter,ImageEnhance

# read the image
img = cv2.imread('input.png')

# convert to gray
gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

# blur
smooth = cv2.GaussianBlur(gray, (95,95),0)

# divide gray by morphology image
division = cv2.divide(gray, smooth, scale=40)
# sharpen using unsharp masking
result = filters.unsharp_mask(division, radius=2.5, amount=1, multichannel=False, preserve_range=False)
result = (220*result).clip(0,220).astype(np.uint8)


cv2.imshow('smooth', result)  
cv2.waitKey(0)
cv2.destroyAllWindows()

代码优化方案 #

当前代码仅处理灰度图，丢失了色彩信息，且未针对性模拟Clarity滤镜的局部对比度增强逻辑。以下是优化后的实现：

优化思路 #

1. 保留彩色通道处理，避免灰度转换丢失色彩信息
2. 使用CLAHE（限制对比度自适应直方图均衡）增强局部对比度，还原细节层次
3. 结合高斯除法、锐化与亮度饱和度调整，匹配Clarity滤镜的效果

优化后代码 #

import cv2
import numpy as np
from skimage.filters import unsharp_mask

# 读取彩色图像
img = cv2.imread('input.png')
# 转换为RGB通道（OpenCV默认BGR格式）
img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# 拆分通道分别做增强处理
channels = cv2.split(img_rgb)
enhanced_channels = []
# 初始化CLAHE，控制局部对比度增强幅度
clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))

for channel in channels:
    # CLAHE增强局部对比度，避免全局均衡的过曝问题
    clahe_channel = clahe.apply(channel)
    # 高斯模糊后做除法运算，强化高频细节
    smooth = cv2.GaussianBlur(clahe_channel, (51,51), 0)
    division = cv2.divide(clahe_channel, smooth, scale=255)
    # 适度锐化提升边缘清晰度
    sharpened = unsharp_mask(division, radius=1.5, amount=1.2, preserve_range=True)
    sharpened = np.clip(sharpened, 0, 255).astype(np.uint8)
    enhanced_channels.append(sharpened)

# 合并增强后的通道，转回BGR格式
enhanced_rgb = cv2.merge(enhanced_channels)
enhanced_bgr = cv2.cvtColor(enhanced_rgb, cv2.COLOR_RGB2BGR)

# 微调整体亮度与对比度
enhanced_bgr = cv2.convertScaleAbs(enhanced_bgr, alpha=1.1, beta=10)

# 显示并保存结果
cv2.imshow('Enhanced Image', enhanced_bgr)
cv2.waitKey(0)
cv2.destroyAllWindows()
cv2.imwrite('enhanced_output.png', enhanced_bgr)

优化说明 #

• CLAHE处理：针对每个颜色通道做局部对比度增强，精准提升纹理与边缘细节，避免全局均衡导致的高光/暗部失真
• 高斯除法：通过将通道图像与模糊后的图像做除法，强化图像的高频细节，模拟Clarity滤镜的清晰化逻辑
• 彩色通道保留：全程基于彩色通道处理，避免灰度转换丢失色彩信息，还原更真实的色彩区分度
• 亮度微调：通过convertScaleAbs适度提升整体亮度，让画面更通透

内容的提问来源于stack exchange，提问作者md.119