图像增强—利用模板进行锐化处理

合集下载

图像的平滑处理与锐化处理

数字图像处理作业题目：图像的平滑处理与锐化处理

姓名：***

学号：************

专业：计算机应用技术

1.1理论背景

现实中的图像由于种种原因都是带噪声的，噪声恶化了图像质量，使图像模糊，甚至淹没和改变特征，给图像分析和识别带来了困难。一般数字图像系统中的常见噪声主要有：高斯噪声、椒盐噪声等。

图像去噪算法根据不通的处理域，可以分为空间域和频域两种处理方法。空间域处理是在图像本身存在的二维空间里对其进行处理。而频域算法是用一组正交函数系来逼近原始信号函数，获得相应的系数，将对原始信号的分析转动了系数空间域。

在图像的识别中常需要突出边缘和轮廓信息，图像锐化就是增强图像的边缘和轮廓。

1.2介绍算法

图像平滑算法：线性滤波（邻域平均法）

对一些图像进行线性滤波可以去除图像中某些类型的噪声。领域平均法就是一种非常适合去除通过扫描得到的图像中的噪声颗粒的线性滤波。

领域平均法是空间域平滑噪声技术。对于给定的图像()j i f,中的每个像素点()n

m,，取其领域S。设S含有M个像素，取其平均值作为处理后所得图像像素点()n

m,处的灰度。用一像素领域内各像素灰度平均值来代替该像素原来的灰度，即领域平均技术。

领域S的形状和大小根据图像特点确定。一般取的形状是正方形、

矩形及十字形等，S 的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局部统计特性而变化，点(m,n)一般位于S 的中心。如S 为3×3领域，点(m,n)位于S 中心，则

()()∑∑-=-=++=1111

,91,i j j n i m f n m f 假设噪声n 是加性噪声，在空间各点互不相关，且期望为0，方差为2σ，图像g 是未受污染的图像，含有噪声图像f 经过加权平均后为 ()()()()∑∑∑+==j i n M j i g M j i f M n m f ,1,1,1

图像锐化有哪些方法

图像锐化是图像处理中常用的一种操作，可以通过增强图像的高频信息，使图像边缘更加清晰。常用的图像锐化方法主要包括增强算子、滤波操作和边缘检测等。

1. 增强算子方法：

增强算子方法是基于对图像进行空间变换，通过改变像素点的灰度值来增强图像的边缘和细节。常用的增强算子方法包括拉普拉斯算子、索伯算子和普瑞维特算子等。这些算子可以对图像进行卷积操作，得到锐化后的图像。例如，拉普拉斯算子可以通过在每个像素点和周围邻域之间进行卷积操作来增强图像的高频信息。

2. 滤波操作方法：

滤波操作方法是通过设计一定的滤波器来对图像进行卷积操作，以增强图像的边缘细节。常用的滤波操作方法包括高通滤波器、边缘增强滤波器和维纳滤波器等。高通滤波器可以通过减少图像低频分量来增强图像的高频信息，从而使图像边缘更加清晰。边缘增强滤波器则可以通过增加图像的局部差异来增强图像的边缘细节。维纳滤波器是一种自适应滤波器，可以根据图像的噪声特性来进行滤波操作，以减少噪声对锐化效果的影响。

3. 边缘检测方法：

边缘检测方法是通过寻找图像的局部极值点来确定图像的边缘位置，从而实现图像锐化。常用的边缘检测方法包括Sobel算子、Canny算子和LoG算子等。Sobel

算子可以通过计算图像梯度的幅值和方向来确定图像边缘的位置和方向。Canny 算子是一种基于图像梯度的多阈值边缘检测算法，可以通过滤波、非极大值抑制和双阈值检测等步骤来确定图像的强边缘和弱边缘。LoG算子是一种拉普拉斯高斯算子，可以通过在图像上进行卷积操作来检测图像的边缘信息。

第五章遥感图像处理—图像增强

成图像的过程。
不同的遥感数据具有不同的空间分辨率、波谱分辨率和时相分辨率，如果能将它们各自的优势综合起来，可以弥补单一图像上信息的不足，这样不仅扩大了各自信息的应用范围，而且大大提高了遥感影像分析的精度。
通过灰度直方图可以直观地了解图像的特性。
二、图像对比度增强——反差增强
主要通过改变图像灰度分布态势，扩展灰度分布区间，达到增加反差的目的。 1、线性增强
若增强前后灰度函数关系符合以下线性关系式，则称为线性增强，也称“线性拉伸”：
g 'ij kgij b
g 'ij kgij b
假彩色图像
假彩色图像是指图像上影像的色调与实际地物色调不一致的图像。遥感中最常见的假彩色图像是彩色红外合成的标准假彩色图像。它是在彩色合成时，把近红外波段的影像作为合成图像中的红色分量、把红色波段的影像作为合成图像中的绿色分量、把绿色波段的影像作为合成图像中的蓝色分量进行合成的结果。如TM432合成RGB的图像为标准假彩色图像。
2）某些图像，ຫໍສະໝຸດ Baidu直方图有高峰，经处理后对比度不自然的过分增强。
(a)LENA原图
（b）直方图均衡化后的效果图
(c)原始图象的直方图
（d）均衡化后的直方他图
三、空间滤波
对比度扩展的辐射增强：通过单个像元的运算从整体上改善图像的质量。

锐化和降噪的方法

图像处理是如今计算机视觉领域的一个重要组成部分，其目的是改

善图像的质量和清晰度。而锐化和降噪是图像处理中常用的两种方法，用于增强图像的细节和减少图像的噪点。本文将介绍锐化和降噪的基

本原理、常用方法以及其在实际应用中的作用。

一、锐化的方法

在图像处理中，锐化是指增强图像的边缘和细节，使图像更加清晰

和鲜明。以下是几种常见的锐化方法：

1.1 拉普拉斯锐化

拉普拉斯锐化是一种基于二阶导数的锐化方法，它通过对图像进行

拉普拉斯运算来增强图像的边缘。具体步骤为：

（1）对原始图像进行高斯模糊，以减少噪点的干扰；

（2）对模糊后的图像进行拉普拉斯运算，得到图像的二阶导数；

（3）将二阶导数与原始图像相加，得到锐化后的图像。

1.2 锐化掩模

锐化掩模是一种基于图像卷积的锐化方法，它通过对图像进行卷积

操作来增强图像的边缘和细节。具体步骤为：

（1）选择一个锐化模板，如Sobel算子或Prewitt算子；

（2）将锐化模板与原始图像进行卷积运算，得到锐化后的图像。

1.3 高提升滤波

高提升滤波是一种基于增强高频信息的锐化方法，它通过对图像进

行平滑处理和原始图像之间的差值运算来增强图像的细节。具体步骤为：

（1）对原始图像进行平滑处理，如均值滤波或高斯滤波；

（2）将平滑后的图像与原始图像之间的差值与一个增益因子相乘，得到锐化后的图像。

二、降噪的方法

在图像处理中，噪点是指无意义的、干扰图像质量的像素值。降噪

方法的目标是减少噪点的数量和强度，以提高图像的质量。以下是几

种常见的降噪方法：

2.1 中值滤波

中值滤波是一种非线性滤波方法，它通过对图像进行排序，并选择

第四章图像增强和锐化

直方图规定化（匹配）
直方图均衡化能自动增强整个图像对比度，得到全局均匀的直方图，但实际应用中有事要求突出感兴趣的灰度范围，即修正直方图使其具有要求的形式
图像增强方法分类
空域法直接对图像的像素灰度值进行操作。包括图像的灰度变换、直方图修正、空域滤波等。
变换域法在图像的变换域中，对图像的变换值进行操作，然后经逆变换获得所需的增强结果。包括频域的低通滤波、高通滤波，以及小波分析增强等。
空域法—灰度变换法
• 定义：采用图像灰度值变换的方法，即改变图像像素的灰度值，以改变图像灰度的动态范围，增强图像的对比度。设原图像为f(m,n), 处理后为g(m,n),则对比度增强可表示为： G(m,n) = T[f(m,n)]
实例
图像的总灰度数 n
灰度量化级 L
6464=4096
8 (0,1,2,3,4,5,6,7)
最大最小灰度 r’max, r’min 7，0
灰度级的归一化处理
r ' r 'min r r 'max r 'min
rk= 0, 1/7, 2/7, 3/7, 4/7, 5/7, 6/7, 1
计算第k个灰度
• 由概率论理论可知，如果已知随机变量r的概率密度为Pr(r)，而随机变量s是r 的函数，则s的概率密度Ps(s)可以由Pr(r)求出。假定随机变量s的分布函数用 Fs(s)表示，根据分布函数定义

第8章_图像增强

xmax和xmin分别为原始图像中像元灰度
值的最大值和最小值；f为变换后图像
像元的灰度值。
作用：常用来增强嵌入于大面积暗色
区域的白色或者灰色的细节图像。
10
一、空间域图像增强（8）
（4）幂次变换
幂次变换的基本形式如下：
y bx a
式中，a 和 b 都是正常数。
作用：当a大于1时，则该函数为a次幂变换函数，该变换函数对图像灰度
f
G x x
f
f
G

y
y
27
一、空间域图像增强（24）
一阶微分算子
单方向微分算子
（1）水平方向微分算子
Dlevel
1 2 1
0 0 0
1 2 1
g ( x, y ) [ f x 1, y 1 f x 1, y 1] 2[ f x 1, y f x 1, y ]
作用：增加图像的对比度，有利于图像的判读分析。
(2)分段线性变换
分段线性变换指对图像不同灰度值范围进行不同的线性变换。
作用：对感兴趣的图像细节灰度值进行拉伸，对不需要的细节灰度值进
行压缩。
8
一、空间域图像增强（6）
➢ 图b的线性变换公式：
y = 2.55x
➢ 图c的分段线性变换公式：

第3章图像增强3

6
一阶微分锐化
(1) 单方向一阶微分锐化 (2) 无方向一阶微分锐化
• Roberts锐化 • Sobel锐化 • Prewitt锐化
7
(1)单方向的一阶锐化
—— 基本原理
单方向的一阶锐化是指：对某个特定方向上的边缘信息进行增强。
因为图像为水平、垂直两个方向组成，所以，所谓的单方向锐化实际上是包括水平方向与垂直方向上的锐化。
Laplacian算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节信息，但是所反映的边界不是太清晰。
42
—— 算法推导
2 f

2 f x2
2 yf2
2f x2
[fx(i,j)fx(i1,j)]
[ f ( i , j ) f ( i 1 , j ) [ ] f ( i 1 , j ) f ( i , j )] 2f y2 [fy(i, j)fy(i, j1)]
00 0 0 0 0 3 13 20 0 0 6 13 13 0 0 1 12 5 0 00 0 00
这样做可以得到对边缘的有方向提取。
17
垂直边缘的提取效果
18
水平边缘的提取效果
19
(2)无方向一阶锐化
—— 问题的提出
前面的锐化处理结果对于人工设计制造的具有矩形特征物体（例如：楼房、汉字等）的边缘的提取很有效。但是，对于不规则形状（如：人物）的边缘提取，则存在信息的缺损。

图像锐化的目的和意义

图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像质量的影响体现在两个不同均匀灰度区域的边界部分。

当成像参数正确，图像的亮度变化传递正常时，在图像中对象边缘与背景之间的理想边缘面应该时阶梯形的，这样的图像看上去边缘清晰，反之，则会边缘模糊，其特征时对象与背景间的灰度改变有一个过渡带，这将损害图像的视觉效果。要消除图像中不应又的模糊边缘，需要增强图像中的高频成分，使边缘锐化。

图像锐化是一种使图像原有的信息变换到有利于人们观看的质量，其目的是为了改善图像的视觉效果，消除图像质量劣化的原因（模糊），使图像中应又的对象边缘变得轮廓分明。

图像的锐化，需要利用积分的反运算（微分），因为微分运算是求信号的变化率，又加强图像中高频分量的作用，从而要锐化图像需要采用各向同性的，具有旋转不变特征的线性微分算子。

图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法.锐化的目标实质上是要增强原始图像的高频成分.常规的锐化算法对整幅图像进行高频增强,结果呈现明显噪声.为此,在对锐化原理进行深入研究的基础上,提出了先用边缘检测算法检出边缘,然后根据检出的边缘对图像进行高频增强的方法.实验结果表明,该方法有效地解决了图像锐化后的噪声问题

图像的锐化可以在空间域中进行，也可以在频率域中实现。

一. 图像信号的锐化过程

1.空间域中锐化图像的目的

在空间域中进行图像的锐化也成为空间滤波处理，目的又

(1)一是提取图像中用于认识和识别图像特征的参量，为

图像识别准备数据

(2)消除噪声。图像数字化时产生的噪声主要是造成对图像

数字图像处理[图像锐化]

在前面的算法公式中注意以下几点： 1）为了防止对0取对数，计算时实际上是用
log(f(i,j)+1); 2）因为对数值很小log(256)=5.45,所以计算
时用46*log(f(i,j)+1)。（46=255/log(256)）
二阶微分锐化
—— Wallis算法
算法特点：
Wallis算法考虑了人眼视觉特性，因此，
2 f y 2
[ f y (i, j) f y (i, j 1)]
[ f (i, j) f (i, j 1)] [ f (i, j 1) f (i, j)]
2 f 4 f (i, j) f (i 1, j) f (i 1, j) f (i, j 1) f (i, j 1)
二阶微分锐化
所示。
1 1 H2 1 8
1 1
1
1
1 H3 2
1
1
2 4 2
1 2 1
0 H4 1
0
1 5 1
0 1 0
示例
二阶微分锐化
—— Laplacian锐化边缘提取
经过Laplacian锐化后，我们来分析几种变形算子的边缘提取效果。
H1,H2的效果基本相同，H3的效果最不好，
H4最接近原图。
g(i,
j)
log[
f
(i,
j)]

图像增强-数字图像处理

图像增强
图3-11 直方图均衡化实例
图像增强
3.2.5 直方图规定化设pr(rk)和pz(zl)分别表示原始直方图与规定直方图,灰度
级数分别为L1和L2(假定L1≥L2),规定化处理后的直方图为 ps(sk),则直方图规定化的步骤如下:
(1)对原始直方图进行均衡化处理,得到映射关系rk→sk:
图像增强
图3-6 增强视觉效果的非线性变换函数
图像增强
对数变换一般可表示为
式中:a、b、c是为调整变换曲线的位置和形状而引入的参数。
对数变换使得图像的低灰度范围得以扩展而高灰度范围得以压缩,变换后的图像更加符合人的视觉效果,因为人眼对高亮度的分辨率要高于对低亮度的分辨率。
图像增强指数变换的效果则与之相反,一般可表示为
图像增强组映射规则:设有单调ቤተ መጻሕፍቲ ባይዱ增的整数函数I(l),对于每个vl,求
出使下式最小的I(l):
若l=0,则将k∈[0,I(0)]范围内的rk映射到zl;否则将k∈[I(l1)+1,I(l)]范围内的rk映射到zl。
图像增强
以图3-10(a)中的直方图为例,规定直方图pz (zl)为: pz (3)=0.2、pz (5)=0.5、pz(7)=0.3,直方图规定化过程及结果如表3-2所示。相对于单映射规则,组映射规则的直方图规定化结果与期望结果更接近。

快速增强照片细节 Photoshop锐化处理技巧

快速增强照片细节：Photoshop锐化处理技

巧

Photoshop是一款强大的图像处理软件，能够帮助我们轻松地对照

片进行各种修饰和优化。在这篇教程中，我将向大家介绍一些快速增

强照片细节的锐化处理技巧，让你的照片更加生动鲜明。

1. 打开你想要进行处理的照片，并且在Photoshop中创建一个副本

图层。这样可以确保我们在处理中保留原始图像的备份，以免不小心

破坏了原始图像。

2. 选择"图像"菜单下的"调整"，然后选择"色阶"。在色阶调整图层中，我们可以使用直方图来深入了解图像的色彩分布情况。通过调整

色阶滑块的位置，我们可以增强图像的对比度，从而使细节更加明显。

3. 接下来，我们需要创建一个图像的高光和阴影层。在图层面板中，选择"新建图层"图标，并选择"剪影"。然后，使用黑色刷子将阴影区域

涂黑，使用白色刷子将高光区域涂白。通过这种方式，我们可以更加

精确地控制图像的亮度和暗度。

4. 锐化是增强图像细节的关键步骤。选择"滤镜"菜单下的"锐化"，

然后选择"智能锐化"。在智能锐化对话框中，将半径、量和阈值参数调整到合适的位置。半径控制锐化效果的范围，量控制锐化的强度，而

阈值控制了何时应用锐化效果。根据你的需要和个人喜好进行调整。

5. 若要进一步增强图像的细节，我们可以使用"滤镜"菜单下的"反相"效果。这个效果会使图像的细节更加明显，并增加一些有趣的效果。只需简单点击"滤镜"菜单下的"反相"即可。

6. 最后，我们可以使用调整图层来进一步优化图像。选择"图像"菜单下的"调整"，然后选择"亮度/对比度"或其他调整选项。通过微调这些参数，我们可以使图像的色彩更加饱满，对比度更加明显。

Matlab图像处理—锐化滤波器

锐化滤波器

锐化处理的主要⽬的是，突出灰度的过渡部分，增强图像中的细节。空间域像素邻域*均法可以使图像变模糊，均值处理与积分类似，所以锐化处理可以⽤空间微分（差分）来完成。

对⽐模糊：

模糊（*滑）是去除图像的细节，均值处理。

锐化是突出图像的细节，微分（差分）处理。

锐化滤波器主要有两种锐化⽅法：

1. 使⽤⼆阶微分的图像锐化：拉普拉斯锐化

2. 使⽤⼀阶微分的图像锐化：梯度锐化

Part1. 拉普拉斯锐化

⽤算⼦产⽣的图像暗⾊背景叠加浅灰⾊边及突变点明显。

拉普拉斯算⼦锐化图像的后处理（背景和边缘）：

由于拉普拉斯是⼀种微分算⼦，拉普拉斯图像强调原图中的灰度突变区域，衰减灰度变化慢区域，恒定区域变为0。

将原始图像和拉普拉斯图像叠加在⼀起的简单⽅法可以保护拉普拉斯锐化处理的效果，同时⼜能复原背景信息。所以适⽤拉普拉斯变换对图像锐化增强的基本⽅法可表⽰为：

插⼊介绍图像的算术的操作：

就是阵列操作，图像可以等价的被看成是矩阵，包含⼀幅或多幅图像的，阵列操作是以逐个像素为基础执⾏的。算术操作如下：

图像算术操作涉及相同⼤⼩的图像。

回到拉普拉斯锐化

拉普拉斯算⼦是常⽤的边缘增强算⼦，是⼀种各向同性的线性运算（旋转不变性），这种滤波器的响应与滤波器作⽤的图像的突变⽅向⽆关，也就是各向同性滤波器是旋转不变的。

以90度为增量进⾏旋转各向同性。c的取值要合理，如果c过⼤，图像轮廓边缘会产⽣过冲；⽽过⼩，锐化效果就不明显。

另外，对⾓线也可以这样组成：在下式中添⼊两项，即两个对⾓线⽅向各加1个。由于每个对⾓线⽅向上的项还包含⼀个-2f(x,y),所以总共应减去-8f(x,y)。得到的新模板对450增幅的结果是各向同性的。如下所⽰

图像处理-第八讲图像增强

f i 1, j f i 1, j 2 f i, j
2 f x, y f i, j 1 f i, j 1 2 f i, j 2 y
图像增强
当k=1时
5 f i, j f i 1, j f i 1, j f i, j 1 f i, j 1
f i, j f i, j 1 f i 1, j f i 1, j 1
2、Robert梯度法：
f i, j f i, j 1 f i 1, j f i 1, j 1
图像增强
3、Sobel算子（求梯度）：采用梯度微分锐化图像，同时会使噪声，纹理得到增强。Sobel 算子克服了这个问题。（用于求图像中某点梯度方向）
1 2 1
1 2 1 H 2 0 0 0 1 2 1
近似计算：
S x G H1 S y G H 2 g S S
2 x 2 y
g Sx S y
图像增强
sobel特点：引入了平均因素，对随机噪声有一定的平滑作用。它是相隔两列或两行的差分，故边缘两侧元素得到增强，边缘显的粗而亮。 4、拉普拉斯算子：边缘增强算子，而且具有各向同性。
g i, j f i, j 2 f i, j
0 1 0 1 5 1 H 0 1 0

第6讲图像增强之锐化处理汇总

f x, y 4log f x, y
log f x 1, y log f x 1, y log f x, y 1 log f x, y 1
数字图像处理技术-2016-01
37
Wallis微分算子
在前面的算法公式中注意以下几点：为了防止对0取对数，计算时实际上是用 log(f(i,j)+1); 因为对数值很小log(256)=5.45,所以计算时用 46*log(f(i,j)+1)。（46=255/log(256)）
数字图像处理技术-2016-01
Sobel算子扩展
1 2 1
H1
0
0
0
1 2 1
0 1 2 H2 1 0 1
2 1 0
1 0 1 H3 2 0 2
1 0 1
2 1 0 H4 1 0 1
0 1 2
1 2 1
H5
0
0
0
1 2 1
0 1 2
H6
1
0
1
2 1 0
1 0 1 H7 2 0 2
G[
f
( x,
y)]
f x
2
f y
2
1
/
2
对于数字图像而言：
G［f(x, y)］={［f(i, j)-f(i+1, j)］2+［f(i, j)-f(i, j+1)］2}1／2

图像处理实验报告-图像锐化

图像处理实验报告-图

像锐化

-CAL-FENGHAI.-(YICAI)-Company One1

一、实验目的：

①掌握图像锐化的概念；

②掌握Prewitt算子对图像进行锐化的原理、过程；

③熟悉Matlab编程。

二、实验内容：

①利用Prewitt算子对图像进行锐化处理；

②掌握Maltab中和图像锐化相关的函数。

三、实验原理：

①利用Prewitt算子对图像进行锐化处理；

②掌握Maltab中和图像锐化相关的函数。

三、实验原理：

图像锐化处理是改善图像视觉效果的手段，用来对图像的轮廓或边缘进行增强，减弱或消除低分频率分量而不影响高频分量。图像锐化处理的主要技术体现在空域和频域的高通滤波，而空域高通滤波主要用模版卷积来实现。

(一)梯度算子法

在图像处理中，一阶导数通过梯度来实现，因此利用一阶导数检测边缘点的方法就称为梯度算子法。梯度值正比于像素之差。对于一幅图像中突出的边缘区，其梯度值较大；在平滑区域梯度值小；对于灰度级为常数的区域，梯度为零。

下面给出的平滑梯度算子法具有噪声抑制作用。

1、Prewitt梯度算子法（平均差分法）

因为平均能减少或消除噪声，Prewitt 梯度算子法就是先求平均，再求差分来求梯度。水平和垂直梯度模板分别为：

利用检测模板可求得水平和垂直方向的梯度，再通过梯度合成和边缘点判定，就可得到平均差分法的检测结果。

四、实验步骤：

I=imread('Miss.bmp');

figure;

imshow(I);

title('原始图像');

II=eye(258,258);

for i=2:257

Final Cut Pro中实现图像锐化的方法

Final Cut Pro中实现图像锐化的方法图像锐化是一种常见的后期处理技术，能够增强图像的细节和清晰度。在Final Cut Pro中，我们可以利用一些内置的工具和效果来实现图像锐化。下面将介绍几种常用的方法。

1. 利用“锐化”效果

Final Cut Pro提供了一个名为“锐化”的默认效果，可以直接应用到图像上。首先，在剪辑中选中需要进行图像锐化的视频片段，在应用菜单中选择“效果”>“视频效果”>“基本”>“锐化”。

打开效果控制面板，可以调整锐化的强度和细节。通过增加锐化的强度，可以使图像的边缘更加清晰，增加细节可以使图像更加锐利。调整效果并实时预览，直到达到所需的效果。

2. 使用“锐度”滤镜

Final Cut Pro还提供了一个名为“锐度”的滤镜，可以通过调整参数来实现图像锐化。在剪辑中选中视频片段后，在菜单中选择“效

果”>“视频效果”>“锐度”。打开滤镜控制面板，可以调整锐度的参数。

通过增加锐度值，可以使图像更加清晰和锐利。还可以调整阈值参数，以使锐化应用到更多的细节部分。根据具体情况，调整参数并实时预览效果，直到满意为止。

3. 应用“增益”效果

在某些情况下，调整图像的亮度和对比度可以使图像更加清晰和锐利。在Final Cut Pro中，我们可以利用“增益”效果来实现这一点。

选中视频片段后，在应用菜单中选择“效果”>“视频效果”>“基

本”>“增益”。打开效果控制面板，调整亮度和对比度的值。增加亮度

可以使图像变亮，增加对比度可以增强图像的细节。调整参数并实时