图片批量曝光工具亮度补偿

本文目录导读：

1. 命令行工具（强大、可编程、跨平台）
2. 图形界面工具（免费、无需代码）
3. Python脚本（更灵活，适合科学处理或自定义逻辑）
4. 总结推荐

命令行工具（强大、可编程、跨平台）

A. ImageMagick （最推荐）

这是图像处理界的“瑞士军刀”，几乎支持所有格式,且批量处理能力极强。

• 安装：官网下载或通过包管理器（如 brew install imagemagick， apt install imagemagick）。

• 核心命令：convert 或 magick （新版）。

• 示例：自动亮度/对比度调整 （自动补偿）

  # 对当前文件夹下所有jpg图片进行 auto-level （自动色阶） 调整，相当于自动亮度优化
  mogrify -auto-level *.jpg
  # 手动调整亮度 （参数为亮度x对比度，-brightness-contrast 10x5 表示亮度+10，对比度+5）
  mogrify -brightness-contrast 10x5 *.jpg
  # 使用Gamma校正 （更柔和的亮度补偿，gamma值>1变亮，<1变暗）
  mogrify -gamma 1.2 *.jpg

• 优点：完全免费、无GUI、适合脚本化、速度极快、支持负片/曝光不足/过度补偿。

B. FFmpeg （主要处理视频，但也能处理图片序列）

• 适用场景：如果你有一组连续的帧（如延时摄影），可以统一调整。

  ffmpeg -i input_%04d.jpg -vf "eq=brightness=0.05:contrast=1.2" output_%04d.jpg

  • brightness 范围 -1.0 到 1.0,0为原始。
  • contrast 范围 -2.0 到 2.0，1.0为原始。

图形界面工具（免费、无需代码）

A. FastStone Image Viewer （Windows， 免费）

• 功能：批量转换/重命名时，可以应用“自动修正”或手动设置“亮度/对比度/Gamma”。
• 操作：
  1. 打开软件,选中所有图片。
  2. 点击 工具 -> 批量转换。
  3. 在“设置”中勾选 “调整颜色/亮度/对比度”。
  4. 选择“自动”或手动滑动条,应用到所有图片。
• 优点：所见即所得，预览方便,占用资源小。

B. IrfanView （Windows， 免费）

• 功能：支持批处理（Batch Conversion）。
• 操作：
  1. 文件 -> 批量转换/重命名。
  2. 添加文件，点击 高级。
  3. 在“设置”中勾选 “自动调整颜色” 或 “亮度/对比度”。
• 注意：建议使用插件包以获得更多滤镜支持。

C. GIMP （全平台， 免费）

• 操作：利用“批处理”插件（如 BIMP）。
  1. 安装 GIMP 和 BIMP 扩展。
  2. 打开 GIMP -> 文件 -> 批处理图像。
  3. 添加文件夹，选择操作：“调整颜色-亮度/对比度”或“曝光/伽马”。
• 优点：专业级算法；缺点：批量处理速度较慢,适合少量高质量补偿。

D. XnConvert （全平台， 免费）

• 专为批处理设计：拖入图片 -> 添加动作 -> 色彩 -> 曝光/亮度/对比度/自动对比度 -> 输出。
• 优点：专业批处理软件，支持100+种格式,支持预设保存。

Python脚本（更灵活，适合科学处理或自定义逻辑）

如果你愿意写几行代码，Pillow 或 OpenCV 可以完美实现自动化。

# 使用 Pillow 批量自动亮度补偿 （Python 3）
from PIL import Image, ImageEnhance
import os, glob
input_folder = "./input/"
output_folder = "./output/"
factor = 1.2  # >1 变亮， <1 变暗， 1.0原始
os.makedirs(output_folder, exist_ok=True)
for filename in glob.glob(input_folder + "*.jpg"):
    img = Image.open(filename)
    enhancer = ImageEnhance.Brightness(img)
    img_output = enhancer.enhance(factor)
    img_output.save(output_folder + filename.split("/")[-1])
    print(f"处理完成： {filename}")

更高级的自动曝光补偿（Exposure Fusion 或 Histogram Equalization）可以使用 OpenCV 或 exposure 库。

总结推荐

你可以根据你的操作系统和对界面的偏好，选择其中一个工具，如果需要更具体的命令或操作步骤，可以告诉我你的平台和曝光补偿的具体要求（所有图片亮度偏低50%？还是想自动优化？）。

标签： 批量曝光