在 tensorflow 中，有一个 adjust_brightness API 可以很方便地通过改变亮度来增加训练数据。我的问题是调整到更高的亮度与真正的闪光灯有何不同？我读了一篇论文，其中介绍了这种增强方法，该方法通过转换为 LUV 颜色空间并将强度增加 70% 来为帧添加人工闪光效果。我不确定这与调整亮度功能有什么关系？
谢谢！
【问题讨论】：
标签： python image tensorflow video computer-vision
我阅读了一篇论文，该论文具有这种增强方法，可以添加人工 通过转换为 LUV 颜色空间和 将强度提高 70%
虽然您没有在问题中引用该论文，但我认为您可以通过使用 rgb_to_yuv 将 RGB 图像转换为 YUV 颜色空间并仅在 Y 通道上执行 adjust_brightness 来做到这一点。 Y 通道与lightness 或亮度相关。有关详细信息，请参阅CIELUV color space。所以，根据 YUV 模型，只修改 YUV 空间中的 Y 分量，就可以在不影响色度的情况下调整亮度。
所以现在你有了 YUV 图像，它带有修改后的 Y 通道，可以创建人造闪光效果。确保剪裁超出 Y 可接受范围的值。现在使用 yuv_to_rgb 将此 YUV 图像转换回 RGB。
adjust_brightness 对输入图像的所有通道进行操作。如果你将它应用到像RGB 这样的色彩空间，它会影响亮度和色度，因为它们与所有通道都有某种关联。您可以将 YUV 视为消除这种相关性的一种方式。
【讨论】：