图像Gamma(伽玛)校正的原理及OpenCV代码实现
什么是Gamma校正？Gamma校正是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系。
Gamma校正的原理表达式如下：
http://pic1.hhai.cc/pic1/2023/2023-03/001/01.png
上面中的指数γ即为Gamma。这就是Gamma校正的名称来历。
其中的取值范围是0~1，最重要的参数就是式子中的参数γ。
γ的值决定了输入图像和输出图像之间的灰度映射方式，即决定了是增强低灰度值区域还是增高灰度值区域。
γ>1时，即下图中的红色曲线，图像的高灰度区域对比度得到增强，直观效果是一幅偏亮的图变暗了下来。
γ<1时，即下图中的蓝色曲线，图像的低灰度区域对比度得到增强，直观效果是一幅偏暗的图变亮了起来。
γ=1时，不改变原图像。
Gamma校正表达式的曲线图如下：
http://pic1.hhai.cc/pic1/2023/2023-03/001/02.png
横坐标是输入灰度值，纵坐标是输出灰度值，蓝色曲线是gamma值小于1时的输入输出关系，红色曲线是gamma值大于1时的输入输出关系。
可以观察到，当gamma值小于1时(蓝色曲线)，图像的整体亮度值得到提升，同时低灰度处的对比度增加，高灰度处的对比度降低，更利于分辩低灰度值时的图像细节；
当gamma值大于1时(红色曲线)，图像的整体亮度值得到减小，同时低灰度处的对比度降低，高灰度处的对比度增加，更利于分辩高灰度值时的图像细节。
为什么要进行Gamma校正？
一个典型的例子：人眼对外界光源的感光值与输入光强不是呈线性关系的，而是呈指数型关系的。在低照度下，人眼更容易分辨出亮度的变化，随着照度的增加，人眼不易分辨出亮度的变化。而相机感光与输入光强呈线性关系。为了适应我们人眼的特性，我们就需要对相机拍摄得到的原始图像作Gamma校正。
在OpenCV环境下实现的Gamma校正代码如下：
//出处：昊虹AI笔记网(hhai.cc)
//用心记录计算机视觉和AI技术
//博主微信/QQ 2487872782
//QQ群 271891601
//欢迎技术交流与咨询
//OpenCV版本 OpenCV3.0
#include <opencv2/opencv.hpp>
#include <iostream>
using namespace std;
using namespace cv;
void MyGammaCorrection(Mat& src, Mat& dst, float fGamma)
{
// build look up table
unsigned char lut;
for( int i = 0; i < 256; i++ )
{
lut = saturate_cast<uchar>(pow((float)(i/255.0), fGamma) * 255.0f);
}
dst = src.clone();
const int channels = dst.channels();
switch(channels)
{
case 1: //灰度图的情况
{
MatIterator_<uchar> it, end;
for( it = dst.begin<uchar>(), end = dst.end<uchar>(); it != end; it++ )
//*it = pow((float)(((*it))/255.0), fGamma) * 255.0;
*it = lut[(*it)];
break;
}
case 3://彩色图的情况
{
MatIterator_<Vec3b> it, end;
for( it = dst.begin<Vec3b>(), end = dst.end<Vec3b>(); it != end; it++ )
{
//(*it) = pow((float)(((*it))/255.0), fGamma) * 255.0;
//(*it) = pow((float)(((*it))/255.0), fGamma) * 255.0;
//(*it) = pow((float)(((*it))/255.0), fGamma) * 255.0;
(*it) = lut[((*it))];
(*it) = lut[((*it))];
(*it) = lut[((*it))];
}
break;
}
}
}
int main()
{
Mat image = imread("E:/material/images/P0034-Gamma-correction.jpg");
if (image.empty())
{
cout << "Error: Could not load image" << endl;
return 0;
}
Mat dst1;
Mat dst2;
float fGamma1=1/2.2;
float fGamma2=2;
MyGammaCorrection(image, dst1, fGamma1);
MyGammaCorrection(image, dst2, fGamma2);
cv::namedWindow("Source Image", WINDOW_NORMAL);
cv::namedWindow("Gamma=1/2.2", WINDOW_NORMAL);
cv::namedWindow("Gamma=2", WINDOW_NORMAL);
imshow("Source Image", image);
imshow("Gamma=1/2.2", dst1);
imshow("Gamma=2", dst2);
waitKey();
return 0;
}
运行结果如下：
http://pic1.hhai.cc/pic1/2023/2023-03/001/03.png
从上面的结果中我们可以看出，当γ值小于1时，图像的低灰度区域对比度得到了增强，这样就使得一幅偏暗的图变得明亮了起来；而当γ值大于1时，图像的高灰度区域对比度得到了增强，这就会使得一幅偏亮的图暗下来。
接下来再测试下彩色图片的效果。
用下面这张图进行测试：
http://pic1.hhai.cc/pic1/2023/2023-03/001/04.png
上面这张图的百度网盘下载链接：
链接：https://pan.baidu.com/s/1FPaoTbFRKITnVtvFIoL1Yw?pwd=eq8i
运行效果如下图所示：
http://pic1.hhai.cc/pic1/2023/2023-03/001/05.png
页:
[1]