上一篇文章通过设置固定值的方式来调整图像，这篇文章通过trackbar来动态调整参数，从而实时展现图像处理结果，得到想要的图像处理参数。

1. 创建trackbar

import cv2
import numpy as npdef nothing(x):passcv2.namedWindow('image')
# 创建5个进度条，分别是R,G,B，对比度和亮度
# 参数含义 'Red'： bar条的名字， 'image'：窗口名称 127: 默认值 254: bar条最大值, nothing：处理函数
cv2.createTrackbar('Red', 'image', 127, 254, nothing) 
cv2.createTrackbar('Green', 'image', 127, 254, nothing)
cv2.createTrackbar('Blue', 'image', 127, 254, nothing)
cv2.createTrackbar('alpha', 'image', 100, 200, nothing)
cv2.createTrackbar('beta', 'image', 127, 254, nothing)

2. 获取bar条数值

# get current positions of all trackbars
red = cv2.getTrackbarPos('Red', 'image')
green = cv2.getTrackbarPos('Green', 'image')
blue = cv2.getTrackbarPos('Blue', 'image')
alpha = cv2.getTrackbarPos('alpha', 'image')
beta = cv2.getTrackbarPos('beta', 'image')

3. 导入图像，设置图像对比度和亮度

image_src = cv2.imread('C:\\D\\temp\\205250_last.png')image = cv2.convertScaleAbs(image_src, alpha=alpha/100, beta=beta - 127)

4. 分离出图片的B，R，G颜色通道， 从bar条中获取对应数值，并完成计算

B, G, R = cv2.split(image)  # 分离出图片的B，R，G颜色通道red_factor = np.full(image.shape[:2], red-127, dtype="uint8")  # 创建与image相同大小的矩阵
R_temp = R + red_factor
green_factor = np.full(image.shape[:2], green-127, dtype="uint8")  # 创建与image相同大小的矩阵
G_temp = G + green_factor
blue_factor = np.full(image.shape[:2], blue-127, dtype="uint8")  # 创建与image相同大小的矩阵
B_temp = B + blue_factor

上面的代码是对bar条的数值进行加减计算，根据需要，对于bar条数值的处理，也可以按照比例来调整：

red_factor = round(red/100, 2) # 红色bar条数值除以100，保留2位小数
R_temp = np.rint(np.multiply(R, red_factor)) # 将Red通道数据与red_factor相乘，保留整数
R_temp = R_temp.astype("uint8") #转换数据类型

5. 合并颜色通道并在窗口显示

output = cv2.merge([B_temp, G_temp, R_temp])
cv2.imshow('image', output)

最终效果：

修改部分参数的结果：