利用直方图信息完美修复严重偏暗的原野图片

合集下载

直方图修正

实验名称：直方图修正一、实验目的1.对影像进行直方图规定化和均衡化2.利用另外一幅影像进行直方图匹配3.利用直方图统计功能对结果进行分析二、实验内容1.对两幅卫星遥感影像进行规定化并统计分析2.对一幅卫星遥感影像进行均衡化并统计分析三、实验所用的仪器设备计算机和ENVI软件在不同时刻同地的卫星遥感影像2幅四、实验原理1.直方图规定化：是使原图像灰度直方图变成规定形状的直方图而对原始图像作修正的增强方法。

作用：对于在不同时间获取的同一地区或者邻接地区的图像，或者是由于太阳高度角或大气的影响引起差异的图像很有用，特别是对图像镶嵌和变化检测。

2.直方图均衡化:又称直方图平坦化，是将一已知灰度概率密度分布的影响，经过某种变换变成一幅具有均匀灰度概率密度分布的新影像，其结果是是扩大了像元取值得动态范围。

效果:(1) 均衡后每个灰度级的像元频率近似相等。

（2）频率少的灰度级被合并，频率数高的灰度级被保留，可以增强影像上大面积地物与周围地物的反差。

五、实验步骤1.直方图规定化与统计：1)同时打开两幅遥感影像，影像显示号分别为Display#1，Display#2.规划化前影像——Display#2 规划化前影像——Display#12)在Display#2的主影像窗口选择Enhance/Histogram Matching,出现HistogramMatching Input parameter对化框。

3)在“Match To”列表中，选择匹配的直方图的影像显示号Display#1。

4)在Input Histogram/Image/OK得到直方图匹配后的结果。

5)在“Flie/Save Image As/Image file”中得到对话框“Output Display to image File”选择保存所在文件下，保存为”guihua”。

6)在“Basic Tools/statistics/Computer Statistics/Computer Statistics InputFile”,选择所要分析统计的图像文件.例如guihua/OK/Basic Stats/Histograms/OK按Display#1的影像进行匹配后的Display#2 即guihua 规划化前影像——Display#17)在Statistics Results :guihua/ Select Plot/Histogram：All Bands并对三幅图进行分析Guihua直方统计图 Display#2 直方统计图 Display#1直方统计图结果分析：[1].由上显示图—1为规划化后的图，图—2，3为规划化前的图，三幅图每个都有3个波段，图—2，3在灰度值0—255之间变化，图—1在0-210之间变化，图—1，2在灰度值80—170变化较集中。

教你使用直方图调整曝光

在相机上回放照片时可以调出直方图查看图片后期处理软件也拥有查看直方图的功能上面就是一张照片的直方图，我们应该如何解读呢？简单的说，直方图是一张二维的坐标系，其横轴代表明暗，最左侧代表黑色（最暗），最右边代表白色（最亮）；纵轴代表在某个亮度值像素的相对数量。

查看直方图上的色块位置，就可以直观的了解照片的曝光情况。

下面我们就用一组对比照片来看看直方图与照片曝光之间的关系。

·直方图与曝光之间的关系下面，我们使用相机的A档并调整曝光补偿连续拍摄了5张照片。

由于减了两档曝光，第一张看上去很暗淡。

再来看照片的直方图：色块区域明显集中在左侧（即暗部），右侧亮部区域基本没有任何像素，单从直方图就可以看出，这张照片一定会比较“黑”。

典型欠曝照片的直方图增加一档曝光之后，照片变亮了许多，下方阴影内的细节已经可以看清，画面中央的建筑曝光正常，天空中的白云也没有过曝。

再来看照片的直方图：与上张图片相比，色块区域整体右移，表明图片整体都变亮了，黑色部分的像素已经提亮至细节丰富的灰色区域，不过像素总体依然偏向左侧暗部。

直方图中色块整体向右移动下面这张图片没有调整曝光，完全由相机自动曝光拍摄而成，算是相机眼中最为正确的曝光。

从直方图可以看出，像素数量分布在直方图的中央区域，并且左右两个高峰基本对称，最左侧和最右侧均没有像素分布，说明暗部和高光区域都没有细节损失。

不过，以笔者自己的欣赏水平来看，这张相机自认为曝光正确的照片，有些过于明亮。

相机眼中最为正确的曝光再提高一档曝光，照片变得更加明亮，有明显的过曝迹象。

反映在直方图上，色块区域继续向右侧亮部靠拢，在最亮的区域出现了像素堆积，因此，照片整体显得很“白”，而暗部基本没有像素，照片最黑暗的部分也处在了灰色区域。

过曝照片的直方图再增加一档曝光，色块集中在了右侧亮部区域，并且已经超出了最右侧范围，这意味着大量像素点接受到的光线“比白还要白”，相机无法记录这些过于明亮的光线，亮部信息已经大量丢失。

如何利用直方图分析照片曝光情况

如何利用直方图分析照片曝光情况曝光是摄影中的一个关键概念，它指的是相机所曝光的图像区域的明暗程度。

照片曝光情况的合理分析对于拍摄出清晰、明亮、细节丰富的照片至关重要。

直方图是一个有力的工具，可以帮助我们有效地分析照片的曝光情况。

接下来，将详细介绍如何利用直方图分析照片曝光情况。

我们来了解一下直方图是什么。

直方图是一种用于表示图像中像素值分布的图形。

横轴表示像素值的范围，纵轴表示像素值在图像中出现的次数或所占的比例。

通过观察直方图，我们可以了解到图像中各个亮度层次的分布情况，进而判断照片的曝光情况是否合理。

在数字相机或手机相机上，我们可以通过查看直方图来评估照片的曝光情况。

通常来说，一个良好曝光的照片的直方图呈现为一个平滑的曲线，该曲线在整个像素值范围内均匀分布。

若直方图左侧高度集中，可能表示照片过曝，即亮度过高，细节丢失；相反，若直方图右侧高度集中，可能表示照片曝光不足，即亮度过低，阴影区域无细节。

我们需要了解如何读取直方图以获得对曝光情况的准确分析。

直方图由左至右表示从暗到亮的像素值范围，一般以0为最暗，255为最亮。

横轴上的每一个像素值都对应了纵轴上的一个柱状高度。

纵轴的高度表示该像素值在照片中的出现频率或比例。

我们可以通过纵轴的高度来判断各个亮度层次的分布情况。

我们可以开始根据直方图的特征来分析照片的曝光情况。

如果直方图呈现为一个中间较高的峰值，表明照片的曝光情况较好，亮度分布均匀。

如果直方图向左倾斜，即左侧较高，那么照片过曝，需要调整曝光补偿或减小光圈大小以降低亮度。

反之，如果直方图向右倾斜，即右侧较高，那么照片曝光不足，需要增加曝光补偿或增大光圈大小以提高亮度。

还可以利用直方图的信息来调整照片的曝光。

在某些情况下，我们可能更倾向于保留图像中的某些特定细节，比如高光或阴影区域的细节。

通过观察直方图，我们可以调整曝光参数，以使得对应细节的像素值分布在合适的亮度范围内，从而得到更理想的曝光效果。

学会看直方图做到准确曝光

新年伊始，根据王版“分工做一个专题讨论，针对摄影的技术、理念，后期等，可以是文字的，当然图文并茂最好。

”指示精神，并从偶自身学习摄影来的感悟，偶就来浅淡一下曝光吧，不到之处还请各位菜园新老朋友们指正，这里先行谢过！在胶片时代也许我们都遇到过同样的问题，那时候的相机以手动的为主，很少有能自动测光的，买回胶卷，在被子里摸索着装好，根据胶卷盒上的提示，外出拍摄时手动设定好光圈与快门。

如果是初学者，当负片冲出来后也许会发现胶片上要不就全亮曝光过度，要不就全黑，什么细节也没留有下。

要不就被曝光补偿的概念搞晕，为不知道补偿多少曝光量而苦恼？今天的你根据相机说明书已经学会了如何使用包围曝光，当然通过网络也已经知道了“白加黑减”的规则。

当今时代的我们大多都拥有一部数码相机，单反，卡片机也好都可以让我们很快地掌握操控相机，并从苦练曝光的境遇中解脱出来，让你非常准确地实现曝光。

现代技术下的数码相机能够做到这一点。

你需要一部能够手动调整曝光，或可使用光圈，速度优先，程序设定的相机具有曝光补偿功能，让你能够控制曝光量。

用数码相机拍摄时大家一般都会回看液晶屏上拍摄效果。

那么当我们看回放的影像时，主要看的是什么？判读拍摄的内容？还是查看拍摄数据？或是将图像放大了看细节？今天数码相机的液晶屏幕回放的影像并不准确，所以我们经常会遇到这样的情况：相机上看着漂亮的照片，等到在电脑上看或冲出来的时候却是模糊或是过暗过亮。

好的摄影人在端起相机之前就预见了照片的样子，如果他不想在后期过多的调整的话，他所要确认的是曝光是否达到了他的要求。

那么，就从判读曝光开始吧。

图片可点击：一、用什么来判断曝光？答案是————直方图。

所以，我们建议在回放照片时，首先查看直方图，就像专业摄影师做的一样。

直方图的横坐标代表像素的亮度，左暗右亮。

直方图从左到右分成“很暗”、“较暗”、“较亮”、“很亮”四个区域，我们可以把“较暗”和“较亮”的区域看成中灰影调的区域，把“很暗”看成画面的暗影区，把“很亮”看成画面的高光区。

如何利用图像处理技术改善低光照条件下的图像

如何利用图像处理技术改善低光照条件下的图像低光照条件下的摄影是摄影爱好者和专业摄影师所面临的一项常见挑战。

图像在暗处存在噪点，细节模糊，以及低对比度等问题。

然而，借助图像处理技术，我们可以改善低光照条件下的图像，提高图像的质量。

1. 直方图均衡化直方图均衡化是一种常用的图像增强技术，通过调整图像的像素值分布来改善图像的对比度。

在低光照条件下，图像的对比度通常较低。

通过直方图均衡化算法，我们可以增强图像中的暗部细节，并提高图像的整体对比度。

这能够使图像变得更加清晰和明亮。

2. 去噪处理低光照条件下的图像容易出现噪点，导致图像细节模糊。

为了解决这个问题，我们可以应用图像去噪处理技术，在保持图像细节的同时降低噪声水平。

常见的去噪方法包括中值滤波、高斯滤波和小波去噪等。

这些算法可以有效地减少图像中的噪点，使图像看起来更清晰。

3. 增加局部对比度低光照条件下的图像常常使得图像的细节不够清晰，无法准确表达物体的纹理。

一种应对方法是增加图像的局部对比度。

通过应用局部对比度增强算法，我们可以放大图像中的细节，突出图像中的边缘和纹理。

这能够使图像看起来更加锐利，同时提高图像中物体的可视化效果。

4. 调整亮度和色调低光照条件下的图像往往过暗，色调不准确。

通过调整图像的亮度和色调，我们可以改善图像的整体感觉和视觉效果。

亮度调整可以使图像变得更明亮，色调调整可以纠正图像中的色彩偏差。

这两个调整可以帮助我们更好地展示图像中的细节，并使图像看起来更加自然。

5. 多帧合成多帧合成是一种通过合并多个曝光不同的图像来增强图像质量的方法。

在低光照条件下，通过在不同曝光时间下拍摄多张图像，我们可以获得具有更广泛动态范围的图像。

通过图像融合算法，我们可以将这些图像合成为一张高质量的图像。

这种方法能够提高图像的细节和纹理，并减少图像中的噪点。

总结起来，利用图像处理技术可以有效地改善低光照条件下的图像。

通过直方图均衡化、去噪处理、增加局部对比度、调整亮度和色调、以及多帧合成等方法，我们可以提高图像的对比度、清晰度和细节，并使图像更加自然和具有吸引力。

快速修复照片中的暗淡和失真 Photoshop技巧

快速修复照片中的暗淡和失真：Photoshop技巧在日常生活中，我们经常会遇到一些照片暗淡、色彩失真或者光线不足的问题。

这些问题可能是由于照片拍摄时的环境条件、相机设置或者后期处理不当导致的。

然而，不用担心，借助Photoshop软件，我们可以迅速且有效地修复这些问题，使照片恢复生动亮丽的色彩和细节。

首先，我们需要打开待修复的照片。

在Photoshop中，点击"文件"，然后选择"打开"，从计算机中选择照片文件并加载到软件界面中。

如果你的照片过于暗淡，可以借助"曲线"工具来增加整体亮度。

在Photoshop的工具栏中找到"曲线"工具，点击它。

在弹出的"曲线"调整框中，可以看到一条代表亮度变化的曲线。

我们可以调整这条曲线的形状，以增加亮度。

通常，使曲线向上移动会增加亮度，而向下则会减少亮度。

可以试着将中间和右侧的点向上移动，以增加整体亮度。

此外，也可以在曲线上添加更多的点，进一步调整局部亮度。

接下来，我们可以通过"色阶"工具来修复照片的色彩失真问题。

找到工具栏中的"色阶"工具，点击它。

在"色阶"调整框中，可以看到一个直方图，代表了图像的亮度分布情况。

我们可以通过调整直方图上的输入和输出滑块来增加对比度和修复色彩失真。

通常情况下，将输入滑块左侧的黑色点拖动到直方图的最左端，将输入滑块右侧的白色点拖动到直方图的最右端，可以增加对比度并修复色彩失真。

如果照片中存在局部暗淡或者过曝的区域，可以使用"阴影/高光"工具进行修复。

找到工具栏中的"阴影/高光"工具，点击它。

在弹出的"阴影/高光"调整框中，可以调整暗部和亮部的表现。

通过增加"亮部中调"值和减少"暗部中调"值，可以增强暗部细节，使其更加清晰可见。

看懂直方图让你的曝光达到完美

看懂直方图让你的曝光达到完美随着数码相机（以下简称DC）图像处理技术的不断发展，越来越多的相机内置了直方图的功能。

虽然直方图对初学者来说，还很陌生。

但它却早已存在于我们的生活、工作中。

如在著名的图像处理软件Photoshop里面，对应直方图的命令就是Histogram（中文版为“直方图”）。

直方图的含义在一张图片的直方图中，横轴代表的是图像中的亮度，由左向右，从全黑逐渐过渡到全白；纵轴代表的则是图像中处于这个亮度范围的像素的相对数量。

在这样一张二维的坐标系上，我们便可以对一张图片的明暗程度有一个准确的了解。

在Photoshop中，依次单击“图像→调整→色阶(快捷键:Ctrl+L)”即可打开色阶调整框，对图像的直方图进行调整，以此控制图像的明暗变化。

图1 直方图图例直方图的特性DC中的直方图功能与Photoshop中的是一样的。

当直方图中的黑色色块偏向于左边时，说明这张照片的整体色调偏暗，也可以理解为照片欠曝。

而当黑色色块集中在右边时，说明这张照片整体色调偏亮，除非是特殊构图需要，否则我们可以理解为照片过曝。

下面，我们就用几张照片来直观地理解直方图所反映的图像特性。

图2 曝光准确图2是一张正常曝光的建筑物照片及其对应的直方图。

我们可以看到，在直方图中比较靠左的位置，波峰比较高而且比较密集，这是因为建筑物的背影有较多的暗部区域，而直方图中左侧的位置正是反映暗部区域的分布情况的。

在直方图中央偏右的位置，我们又可以看到一个较高的波峰，这是因为图像中大片的黄色区域所对应的亮度正在这里。

在直方图的最右端，我们可以看到一个较小且突出的波峰，对应在图像中，代表的就是建筑物上圆柱体的强烈反光，由于亮度太大，超出了直方图所能表示的范围，所以便体现在最右端形成了一个波峰。

根据直方图所表达的内容，这张图片的亮度基本都在其所能表现的范围内，并没有太多的溢出部分。

更为关键的是，这张图片中各个物体的亮度，是符合我们的一般认识的，可以认为，这张图片的曝光是比较准确的。

如何通过图像处理技术改善低光照下的图像质量

如何通过图像处理技术改善低光照下的图像质量低光照条件下拍摄的照片常常面临着诸多挑战，例如图像中的细节模糊不清、噪点增多以及色彩失真等问题。

然而，随着图像处理技术的不断发展，我们可以通过一系列的图像处理方法来改善低光照下的图像质量。

本文将介绍几种常用的图像处理技术，帮助你提升低光照环境下拍摄照片的质量。

图像增强是一种通过调整图像的亮度、对比度和色彩等参数来改善图像质量的方法。

在低光照条件下，图像的亮度常常偏低，导致图像细节难以识别。

为了解决这个问题，可以使用直方图均衡化技术。

直方图均衡化通过对图像的像素值进行重新分配，使得图像的像素值分布更均匀，从而提高图像的对比度和亮度。

还可以使用自适应直方图均衡化技术，它可以根据图像的局部区域对像素值进行重新分配，避免了一些全局均衡化带来的过度增强的问题。

除了直方图均衡化，图像去噪也是一种改善低光照图像质量的重要步骤。

在低光照条件下，由于光线不足，图像中往往存在大量的噪点。

这些噪点会导致图像细节模糊、边缘不清晰。

为了解决这一问题，可以利用图像去噪算法，如中值滤波、高斯滤波和双边滤波等。

这些滤波算法可以有效地降低噪点的强度，提升图像质量。

为了提升低光照环境下图像的细节信息，可以运用图像增强的方法。

例如，锐化技术可以提高图像的边缘清晰度，使得图像的细节更加明确。

边缘增强算法常用于加强图像中的边缘信息，从而使得图像更加锐利。

还可以通过超分辨率技术来提高图像的分辨率，增加图像的细节信息，使得低光照图像更加清晰。

除了以上所述的图像处理技术，还可以考虑使用深度学习方法来改善低光照图像质量。

深度学习模型可以学习到图像的复杂特征，并通过训练数据进行优化，从而生成高质量的图像。

近年来，许多基于深度学习的图像增强方法被提出，这些方法通过降噪、去雾和增强细节等方式来提升低光照图像的质量。

总之，通过图像处理技术，我们可以有效地改善低光照下的图像质量。

从图像增强到图像去噪，再到深度学习方法，这些技术都可以帮助我们提升拍摄照片的质量。

用直方图分析高光溢出及调整方法

用直方图分析高光溢出及调整方法应枫林朋友的要求，要我用直方图分析高光溢出（死白）的现象并做后期修正。

因本人水平有限，对照片后期也不是精益求精，调整的参数不敢说是最佳的，因此，如果论坛里有朋友说我调整的效果没有达到最佳之类的话我一概不接受！呵呵！因为这世界上只有更好，没有最好。

另外，本流程只分析直方图及调光，别的一概不考虑。

主体高光过曝是初学摄影者经常遇到的情况，原因是因为测光不准。

发本贴意在抛砖引玉给初学者提供处理高光溢出的一条可行性处理方法，绝对不敢说是金科玉律，高手对我这帖子可以嗤之以鼻，不屑一顾，因为我相信你们的技术比我高明百倍！在此，谢谢枫林朋友给我提供相片素材！另外，我重复一句，准确测光是摄影技术基础中的基础，拍摄时过曝了，后期是很难挽回高光细节的。

很多老摄影的经验是宁欠勿过，就是说在测光时可以欠曝一点，千万别过曝了。

原片相机品牌:Canon 相机型号:Canon PowerShot G12光圈:F2.8 ISO:400 曝光补偿:0 EV 曝光时间:1/250 sec调整后效果：因为枫林给我的是jpeg格式的片子，调整后虽然纠正了高光溢出，但是，石台上的高光区细节已经丢失了，白晃晃的一片，这是没有办法挽回的，如果是RAW格式的片子，通过后期调整还是可以挽回一些细节的，这也是很多摄影大师一再强调要用RAW格式储存相片的原因。

相机品牌:Canon 相机型号:Canon PowerShot G12 光圈:F2.8 ISO:400 曝光补偿:0 EV 曝光时间:1/250 sec原片直方图调整后直方图第一步：将照片导入lightroom，至于怎么样导入，与别的软件不一样，大家自己找教程。

没有看过lightroom帮助说明或者教程的人，第一步就麻烦，真的不知道如何将照片导入到这个程序里，它与光影魔术手、PS之类的软件导入方法都不一样。

第二步：看直方图。

这是我的习惯，我打开lightroom软件后第一步就是看直方图。

认识数码照片：用直方图调出满意的色调

认识数码照片：用直方图调出满意的色调读懂直方图垂直方向上的直线构成了一条山峰状的曲线，根据这条曲线的走向及在亮度标尺上的对应位置，我们可以推断出图像的亮度分布和对比度的情况。

下面的几幅直方图当然都是举例子的。

尤其第一个是典型的“理想情况”——真实的直方图中的曲线走向都与它对应的照片有很大的关系。

理想情况下，色调曲线的走向都是从图中左下角的所谓的黑点开始，然后到右下角所谓的白点结束。

这代表一个完整的亮度值范围，也就是256个亮度等级全都在照片中出现了，拍摄主题的对比度没有超过相机感应器的动态范围。

这样拍出的就是一张色彩丰富且对比鲜明的照片——这个例子中的照片（左图）算是中等亮度的。

此外，每次调整色阶时都要以这样的曲线为目标。

但是，如果拍摄主题的对比度太高了，那么这个曲线的两端就会被切掉。

也就是说，照片中的一部分区域是无法描绘细节的纯黑（左边的切边）或者纯白（右边的切边）。

因为从理论上来说，直方图中的黑点左边和白点右边的亮度区域已经不能描绘更多的细节了。

之所以会出现这种色阶溢出（曲线的两端被切掉了），要么是因为前面所提到的拍摄主题的对比度过高，要么是因为进行了扩展色阶的操作，单个颜色的过分饱和也可能造成这样的色阶溢出。

如果拍摄主题的对比度处于相机的动态范围以内，那这个曲线图会位于亮度标尺中间的某一区域，而不会碰到黑点和（或）白点。

如果照片的亮度范围（也就是曲线的跨度）小于256个亮度等级，那么照片的对比度就会非常低，整张照片看起来就好像蒙上了一层灰色的面纱，给人留下索然无味的印象。

是太暗还是低调？如果直方图的波峰不在中间，而是偏左，那么暗色就在照片中占据主导地位。

明亮的色调出现得越少，人们就越倾向于把这种照片叫做低调照片。

这种特殊的构图方式是将拍摄主题中大量的偏暗和极暗的色调与极少量的色调结合在一起。

即使在这种情况下，直方图的曲线也应该刚好从黑点处开始，这样才不会丢失暗处的细节信息。

一些人理解的低调照片就是由于大量黑色和极少量白色形成强烈对比的照片，而另外一些人则把低调照片定义为完全没有亮色调的照片。

直方图怎么设置？如何从图中看出曝光是否正确？

直方图怎么设置？如何从图中看出曝光是否正确？
在相机中我们用info按键可调出直方图，而直方图就像照片的X 光片一样，在前期拍照及后期处理中都能让摄影师拿捏的更加准确。

一、中间高两边低过度自然
中间高两边低的直方图是比较理想的直方图，这样的图片明暗细节都有，所有信息铺满整张直方图，曝光正常，后期稍加修饰效果便很好。

二、直方图靠左
曝光靠左则代表照片欠曝，但有时艺术表达上也同常拍摄欠曝的照片。

但实际上，许多照片欠曝效果并不太好。

三、直方图靠右
直方图靠右代表照片过曝，如照片中白色部分偏多等等。

如这张图，白色非常多，并且过曝所以整个坡度都集中在右边高光区域。

四、直方图靠中间
很多时候我们看到照片灰蒙蒙的，这时你看你的直方图你会发现，直方图左右两边缺少信息，而中间中灰地带信息过多，所以导致了照片死灰。

如这张图，直方图信息全都集中在中间，所以为了避免这种情况，若相机机身本身有曲线调整，可增加曲线的反差，或适当的曝光补偿及对比度。

五、直方图两边高中间低
若直方图出现两边高中间低，这时图片呈现的是高反差对比，照
片黑白分明。

如图所示，改图暗部非常暗，亮部非常亮。

直方图的大致图形为以上几种，并不是所有的照片都墨守成规，不同题材不同表现手法，直方图也是不同的。

以上只是作为简单的参考。

（更多摄影知识可关注我的头条）。

如何通过摄像机的直方图功能提升图像质量

如何通过摄像机的直方图功能提升图像质量摄像机的直方图功能是一种可以帮助我们提升图像质量的强大工具。

直方图是一种统计图表，用于表示图像中各个亮度级别的像素数量。

通过分析直方图，我们可以了解图像的亮度分布情况，从而对图像进行合理的调整和优化。

在本文中，我将分享一些如何利用摄像机的直方图功能提升图像质量的方法。

首先，了解直方图的基本概念是十分重要的。

直方图通常以灰度级别为横轴，像素数量为纵轴进行绘制。

直方图的形状可以反映图像的亮度分布情况。

例如，一个均匀分布的直方图表示图像的亮度分布较为均匀，而一个集中分布的直方图表示图像的亮度分布较为集中。

通过观察直方图，我们可以判断图像的曝光是否合理，以及是否存在过曝或欠曝的情况。

其次，利用直方图进行曝光调整是提升图像质量的一种有效方法。

在摄影过程中，曝光是一个关键因素，直接影响图像的明暗程度和细节表现。

通过观察直方图，我们可以判断图像的曝光情况，并进行相应的调整。

如果直方图的分布偏向左侧，表示图像过曝，此时可以适当减小曝光量，使直方图向右移动，以保留更多细节。

相反，如果直方图的分布偏向右侧，表示图像欠曝，此时可以适当增大曝光量，使直方图向左移动，以增加图像的明亮度。

另外，通过直方图进行对比度调整也可以提升图像质量。

对比度是指图像中亮度级别之间的差异程度。

如果直方图的分布集中于某一区域，表示图像的对比度较低，此时可以通过增加对比度来提升图像的质量。

一种常用的方法是通过调整图像的曲线来改变直方图的形状。

通过增加图像中较暗像素的亮度，减小较亮像素的亮度，可以使直方图的分布更加均匀，从而增加图像的对比度。

此外，直方图还可以用于检测和校正图像的色彩偏移。

在某些情况下，图像的颜色可能会出现偏移，例如偏红、偏绿或偏蓝等。

通过观察直方图，我们可以判断图像的颜色是否偏移，并进行相应的校正。

如果直方图在某个颜色通道上的分布明显偏移，可以通过调整相应的颜色通道来校正图像的色彩偏移，使其更加真实和自然。

观察直方图调整偏灰图像_中文版Photoshop CS5从新手到高手（超值版）_[共2页]

图6-3-10
图6-3-11
* 进一步了解直方图
打开素材图像，如图6-3-12所示；“直方图”面板中显示出有关该图像的各时面板中给出了各种统计参数项，如图6-3-13所示。
图6-3-12
图6-3-16
图6-3-17
中间值：显示亮度值范围内的中间值。像素：表示用于计算直方图的像素总数。
实战
观察直方图调整偏灰图像
CH 06 实战 / 观察直方图调整偏灰图像
1 打开素材图像，如图6-3-18所示。直方图上标准偏差值偏小，如图6-3-19所示，图像表现为对比较弱。
平均值标准偏差
中间值像素
图6-3-13
色阶数量百分比高速缓存级别
图6-3-18
图6-3-19
2 单击“图层”面板上的创建新的填充或调整图层按钮，添加“色阶”调整图层，在“调整”面板中设置参数，如图6-3-20所示。
色彩调整
6 第章
平均值：表示平均亮度值。通过观察平均值，可以判断图像的色调类型，该值较低色调偏暗；该值较高色调偏亮，如图6-3-14和图6-3-15所示。
图6-3-6 图6-3-8
图6-3-7 图6-3-9
图6-3-14
图6-3-15
标准偏差：表示亮度值的变化范围。该值高说明明暗变化较强；该值低说明图像较灰明暗对比较弱，如图 6-3-16和图6-3-17所示。
3 调整完毕后的图像效果如图6-3-21所示，直方图如图6-3-22所示。
91

利用PS直方图信息完美修复严重偏暗的原野图片

利用PS直方图信息完美修复严重偏暗的原野图片照片修复中直方图是非常有用的，图片中的所有信息都包含在里面。

如下面的教程，直接从直方图中把天空及地面中的颜色带分出来，调色的时候处理哪一部分的颜色就直接调相应的色阶中的直方图，修复后再用蒙版控制范围即可。

原图最终效果1、打开“直方图”面板，可以准确判断出当前图像的影调状况，确定要采取的处理思路。

从直方图上可以看到，片子整体影调偏暗。

直方图的峰值呈凹形，从中间分开，左侧为地面影调，右侧为天空影调。

后期调整主要是分别调整天地两部分影调。

2、在图层面板下面单击创建新调整层图标，在弹出的菜单中选“色阶”命令，建立一个新的色阶调整层。

在弹出的“色阶”面板中，按照直方图的形状，将右侧的白场滑标向左移动到直方图右侧起点。

再将左侧的黑场滑标也按照直方图的形状稍向右移动一点点。

片子的整体影调基本正常了。

3、在图层面板下面单击创建新调整层图标，在弹出的菜单中选“色阶”命令，建立一个新的色阶调整层。

在弹出的“色阶”面板中，将左侧的黑场滑标向右移动到凹形直方图的中间位置，看到图像中天空的影调满意了。

地面部分被压暗成了黑色。

没关系，继续做。

4、在工具箱中选渐变工具，前景色设置为黑色。

在上面选项栏中渐变颜色设置为前景色到透明色，渐变方式选定线性渐变。

用渐变工具在图像中天地交界处开始到云彩位置结束。

渐变工具的起点为黑，在蒙版作用下，地面部分的调整效果被遮挡掉了。

天空的影调调整完成了。

5、再来调整地面影调。

再次建立一个新的色阶调整层。

在弹出的“色阶”面板中，将右侧的白场滑标向左移动，放在直方图的中间位置，这里设置为地面的亮点。

将左侧的黑场滑标稍稍向右移动一点点，将中间灰滑标稍向右移动，看到地面的影调满意了。

天空的影调太亮了，没关系，继续做蒙版遮挡。

6、在工具箱中选渐变工具，前景色设置为黑色。

在上面选项栏中渐变颜色设置为前景色到透明色，渐变方式选定线性渐变。

用渐变工具在图像中天空云彩处开始到天地交界草地处结束。

第二章通过“直方图”了解照片亮度信息

什么是EXIF信息Exif (Exchangeable image file format) 是可交换图像文件的缩写，是专门为数码相机的照片设定的，可以记录数字照片的属性信息和拍摄数据。

Exif 最初由日本电子工业发展协会在 1996 年制定，版本为 1.0。

1998 年，升级到2.1，增加了对音频文件的支持。

2002 年 3 月，发表了 2.2 版。

Exif 可以附加于 JPEG、TIFF、RIFF 等文件之中，为其增加有关数码相机拍摄信息的内容和索引图或图像处理软件的版本信息。

Exif 是一个为数码相机使用的图像文件格式而制定的标准规格。

它由日本电子工业发展协会(JEIDA - Japan Electronic Industry Development Association)创建。

该规格使用现有的文件格式，如 JPEG，TIFF Rev. 6.0，和 RIFF WAVE 音频文件格式，和一些额外添加的特殊元数据标签。

它不支持 JPEG 2000 或 PNG。

该规格的 V2.1 版本于 1998 年 1 月制定，V2.2 版本于 2002 年 4 月制定。

在 Exif 标准中定义的元数据标签包括以下几大方面的信息：日期和时间信息。

数码相机将记录当前日期和时间，并把这些信息记录在元数据标签里。

相机设置。

这包括静态信息，如相机型号、生产厂商，及每张照片改变的信息(方位、光圈、快门速度、焦距、测光模式和ISO感光速度等信息)。

照片拍摄地的位置信息。

可以由 GPS(全球卫星定位系统)接收器连接到数码相机上，来提供相关全球定位信息。

2004 年，仅有极少数数码相机支持这个特性。

因此，有人使用普通的GPS接受器来记录他当时所在位置的地理信息，然后在图像的时间戳里，根据接受器日志记录的内容，为图像添加相机错失了的照片拍摄地地理信息。

描述和版权信息。

一些数码相机高端机型会在相机上提供允许用户编写这部分信息的功能。

学会用直方图分析你的照片，让你作品更专业！

学会用直方图分析你的照片，让你作品更专业！直方图是一种照片的分析方式，后期修图前，看懂直方图让你调图更得心应手，更专业，出来的效果更精彩。

如何观察直方图直方图的观看规则就是“左黑右白”，左边代表暗部，右边代表亮部，而中间则代表中间调。

横轴表示照片的明暗情况，左边是暗部（阴影），右边为亮部（高光）。

纵轴表示在某一亮度像素数量的多少，“山峰”越高，代表此影调在照片中分部的面积广。

直方图所反映的，是相机镜头所“看到”的世界。

如果场景或者拍摄对象很暗，那么直方图就应该是向左堆积的；相反地，如果场景或者拍摄对象很亮，那么直方图就会呈现向右堆积的状态。

可以简单记作“左暗右亮”哦~为了闺蜜们能够更好的理解，来看看我给出的最普通的示例吧~1、过曝以及改善方法直方图的右侧高光部分有峰值，但最右侧阴影部分却很平，甚至没有，可以判断出这张照片是过曝的。

此时画面中的高光溢出，也就是说白色的部分细节缺失，整体画面暗部区域不足，画面看起来很不舒服。

别急。

这时只要减少曝光补偿就可以很好的改善啦~2、欠曝以及改善方法像素都集中在左侧阴影处，这样的话暗部会缺失很多细节，亮部也会十分灰暗。

这时候应该适当增加曝光补偿，以得到正常的曝光。

3、曝光正常理想的直方图应该是从左侧起缓慢上升，在中间连续不断，并在某处出现峰值，靠右边又逐渐下降，类似于钟形图的模式。

从直方图看，这张片亮部、暗部和中间调都存在，说明画面的细节保留的很好，且画面整体看起来也十分舒适，是一张曝光准确的照片。

不同风格下的直方图案例我举的上一个例子是比较普通的情况，其实直方图的形状没有一个绝对的标准，不同风格题材的照片，也有不同定义的“准确曝光”哦，下面就来看几个常见的直方图案例吧~4、亮调&暗调亮调照片的色调是以白为主，一般白色要占75%至95%。

从直方图可以看出，这张照片几乎没有阴影，因为最左侧是没有高度的。

不仅如此，这张照片甚至连中间调都没有多少，这说明这张照片里有着大量的高光。

直方图与爆光

直方图与爆光2019年11月10日，拍摄于上海陆家嘴黄浦江边。

对玩摄影的人来说，直方图很重要，其重要性不亚于医生手中的 X 光片，是帮助我们拍出好照片的重要工具。

很多影友都会陷入这样一个误区，相机液晶屏上的影像很棒，便以为照片的曝光也会不错。

但事实上很多相机的显示屏还处于出厂默认状态下，显示屏的对比度和亮度都比较高，若不看直方图，就会以为照片曝光在宽容度范围内，但当你传到电脑屏幕再看时，却发现可能暗部层次丢失了或亮部细节丢失了，就是通过后期调整的效果也不能重现暗部或亮部的细节。

因此，当我们每拍摄一张照片后，我们观察照片的直方图，就会知道了照片的曝光是否正常或符合自己的创作（有意过曝或欠曝）意图。

直方图是值得我们信赖的判断曝光是否正确或符合自己创作意图的依据。

直方图（柱状图）示意图。

直方图左边代表画面最暗的区域，最右边代表画面最亮的区域，其整体的宽度表现传感器能捕捉到的色调整体范围。

超出左边线条的部分在画面中显示为纯黑，因为它超出了传感器的感知范围，所以在这片阴影区域不会记录任何信息，这被称为暗调溢出。

超出右边线条的部分在画面中显示为纯白，同样是因为其超出传感器的范围，在高光区域也不会记录任何信息，这被称为高光溢出。

直方图图例横轴表示：从左边的0暗逐步到右边255的亮。

0最黑，逐步渐变即从暗部、较暗部、中间部、较亮部、亮部的渐变过程。

纵轴表示：像素的分布情况，即在告诉我们照片的明暗状况。

当曝光过度时，照片上会出现死白的区域，画面中过曝区域会失去很多细节。

在直方图我们可以看到，右边（最亮处）出现了像素溢出现象，即高光溢出，而左边区域无像素分布，这样的照片在后期无法补救。

2019年11月10日，拍摄于上海外滩。

当曝光不足时，照片上会出现无细节的死黑区域，画面中暗部区域会失去很多细节。

在直方图我们可以看到，左边（最暗处）出现了像素溢出现象，即高光溢出，而右边区域无像素分布，这样的照片在后期也无法补救。

2019年12月4日，拍摄于江西新余仙女湖凤凰湾。

基础知识：直方图怎么看，如何用直方图判断准确曝光？

基础知识：直方图怎么看，如何用直方图判断准确曝光？直方图，无论是在前期拍摄，还是在后期修图，都能见到它。

直方图的作用也很大，准确监测曝光数据，防止过欠或过曝，帮助摄影师定调。

今天来讲一下直方图到底是干什么用的。

在拍照时，可以打开相机或手机里面的直方图，修图时ps中也有实时的直方图，今天来讲一下直方图到底是干什么用的。

简单地说，直方图就是用来表示曝光情况的，就像是给照片做了CT，直方图就是这张照片的准确报告。

刚学摄影时，曾经有一次在外面拍照，在强烈的阳光下相机屏幕很暗，当时看着曝光正常的照片，回去后发现偏暗。

如果拍照时能打开直方图，就会立马发现照片偏暗的问题。

01如何查看直方图•直方图的横轴表示亮度，最左侧表示黑色，越往右越亮，最右侧表示白色。

•纵轴表示像素数量，位置越高，表示像素越多，也就是面积越大。

我们来看几个特别夸张的图片，以及它们的直方图。

下面这张图片非常暗，大面积是黑色，只有少量的高亮区域。

再来看看它的直方图，数据集中在左侧（暗），右侧（亮）则很少，恰恰说明了照片中的暗调区域多，亮调区域少。

下面这张图片有暗有亮，从黑到白过渡均匀，所以直方图从最左侧一直到最右侧都有，而且高度过渡也很均匀。

下面这张照片，对比度比较小，有点灰蒙蒙的，所以直方图的左右分布比较集中。

我们增加了照片的对比度，照片变的更加通透，如果对比度太大了，像下图这样，直方图就会左右各有一个山峰，中间变成了山谷。

学会了直方图的观察方法，只是第一步，如何在实际拍摄和修图中使用直方图呢，我们接着往下看。

02直方图的实际应用•获得正确曝光究竟什么样的曝光才算是正确的曝光，这事儿没有绝对的说法，但是一般来讲，一张照片的曝光会有高亮区域，会有中间调区域，也会有暗部区域。

•监测曝光溢出一般我们不能让照片中出现纯黑或纯白的区域，这种曝光太过极端，而且一定是没有任何细节的。

好的照片都追求细节，最暗的地方仔细看，也能看到一些细节，而不是纯黑色。

在拍照时，为了后期能够修正曝光，我们也要避免照片中的曝光超出相机宽容度变成纯白色或者纯黑色。

直方图修正和彩色变换-Read

第五章直方图修正和彩色变换这一章，我们主要和调色板打交道。

先从最简单的反色讲起。

1. 反色(invert)反色就是形成底片效果。

如下图所示，图2为图1反色后的结果图1. 原图图2. 图1反色后的结果反色有时是很有用的，比如说，图1中黑色区域占绝大多数，这样打印起来很费墨，我们可以先进行反色处理再打印。

反色的实际含义是将R，G，B值反转。

若颜色的量化级别是256，则新图的R，G，B 值为255减去原图的R，G，B值。

这里针对的是所有图，包括真彩图，带调色板的彩色图（又称为伪彩色图），和灰度图。

针对不同种类有不同的处理。

先看看真彩图。

我们知道真彩图不带调色板，每个像素用3个字节，表示R，G，B三个分量。

所以处理很简单，把反转后的R，G，B值写入新图即可。

再来看看带调色板的彩色图，我们知道位图中的数据只是对应调色板中的一个索引值，我们只需要将调色板中的颜色反转，形成新调色板，而位图数据不用动，就能够实现反转。

灰度图是一种特殊的伪彩色图，只不过调色板中的R，G，B值都是一样的而已。

所以反转的处理和上面讲的一样。

这里，我想澄清一个概念。

过去我们讲二值图时，一直都说成黑白图。

二值位图一定是黑白的吗？答案是不一定。

我们安装Windows95时看到的那幅setup.bmp是由蓝色和黑色组成的，但它实际上是二值图。

原来，它的调色板中的两种颜色是黑与蓝，而不是黑与白。

所以说二值图也可以是彩色的，只不过一般情况下是黑白图而已。

下面的程序实现了反色，注意其中真彩图和调色板位图处理时的差别。

BOOL Invert(HWND hWnd){DWORD BufSize;LPBITMAPINFOHEADER lpImgData;LPSTR lpPtr;HLOCAL hTempImgData;LPBITMAPINFOHEADER lpTempImgData;LPSTR lpTempPtr;HDC hDc;HFILE hf;LONG x,y;LOGPALETTE *pPal;HPALETTE hPrevPalette=NULL;HLOCAL hPal;DWORD i;unsigned char Red,Green,Blue;BufSize=bf.bfSize-sizeof(BITMAPFILEHEADER); //新开缓冲区的大小if((hTempImgData=LocalAlloc(LHND,BufSize))==NULL){M essageBox(hWnd,"Error alloc memory!","Error Message",MB_OK|MB_ICONEXCLAMA TION);return FALSE;}lpImgData=(LPBITMAPINFOHEADER)GlobalLock(hImgData);lpTempImgData=(LPBITMAPINFOHEADER)LocalLock(hTempImgData);//拷贝头信息memcpy(lpTempImgData,lpImgData,BufSize);hDc=GetDC(hWnd);if(NumColors!=0){ //NumColors不为0说明是带调色板的lpPtr=(char *)lpImgData+sizeof(BITMAPINFOHEADER); //指向原图数据lpTempPtr=(char *)lpTempImgData+sizeof(BITMAPINFOHEADER); //指向新图数据//为新调色板分配内存hPal=LocalAlloc(LHND,sizeof(LOGPALETTE) + NumColors*sizeof(PALETTEENTRY));pPal =(LOGPALETTE *)LocalLock(hPal);pPal->palNumEntries =(WORD) NumColors;pPal->palVersion = 0x300;for (i = 0; i < NumColors; i++) {Blue=(unsigned char )(*lpPtr++);Green=(unsigned char )(*lpPtr++);Red=(unsigned char )(*lpPtr++);lpPtr++;//反转调色板中的颜色，存入新的调色板pPal->palPalEntry[i].peRed=(BYTE)(255-Red);pPal->palPalEntry[i].peGreen=(BYTE)(255-Green);pPal->palPalEntry[i].peBlue=(BYTE)(255-Blue);pPal->palPalEntry[i].peFlags=0;*(lpTempPtr++)=(unsigned char)(255-Blue);*(lpTempPtr++)=(unsigned char)(255-Green);*(lpTempPtr++)=(unsigned char)(255-Red);*(lpTempPtr++)=0;}if(hPalette!=NULL)DeleteObject(hPalette);hPalette=CreatePalette(pPal); //产生新的调色板LocalUnlock(hPal);LocalFree(hPal);if(hPalette){hPrevPalette=SelectPalette(hDc,hPalette,FALSE);RealizePalette(hDc);}}else{ //不带调色板，说明是真彩色图for(y=0;y<bi.biHeight;y++){lpPtr=(char *)lpImgData+(BufSize-LineBytes-y*LineBytes);lpTempPtr=(char *)lpTempImgData+(BufSize-LineBytes-y*LineBytes);for(x=0;x<bi.biWidth;x++){Blue=(unsigned char )(*lpPtr++);Green=(unsigned char )(*lpPtr++);Red=(unsigned char )(*lpPtr++);//反转位图数据中的颜色，存入新的位图数据中*(lpTempPtr++)=(unsigned char)(255-Blue);*(lpTempPtr++)=(unsigned char)(255-Green);*(lpTempPtr++)=(unsigned char)(255-Red);}}}if(hBitmap!=NULL)DeleteObject(hBitmap);hBitmap=CreateDIBitmap(hDc, (LPBITMAPINFOHEADER)lpTempImgData,(LONG)CBM_INIT,(LPSTR)lpTempImgData+sizeof(BITMAPINFOHEADER) +NumColors*sizeof(RGBQUAD),(LPBITMAPINFO)lpTempImgData, DIB_RGB_COLORS);if(hPalette && hPrevPalette){SelectPalette(hDc,hPrevPalette,FALSE);RealizePalette(hDc);}hf=_lcreat("c:\\invert.bmp",0);_lwrite(hf,(LPSTR)&bf,sizeof(BITMAPFILEHEADER));_lwrite(hf,(LPSTR)lpTempImgData,BufSize);_lclose(hf);//释放内存和资源ReleaseDC(hWnd,hDc);LocalUnlock(hTempImgData);LocalFree(hTempImgData);GlobalUnlock(hImgData);return TRUE;}2. 彩色图转灰度图(color to grayscale)我们在第二章时提到了YUV 的颜色表示方法，知道在这种表示方法中，Y 分量的物理含义就是亮度，它含了灰度图的所有信息，只用Y 分量就完全能够表示出一幅灰度图来。