声明:本文原文出自@零钱币 的博文,原文地址为:https://blog.csdn.net/linqianbi/article/details/78617615。本文全文摘抄以及少量修订仅为本人学习、记录所用,若博主有异议请联系本人删除。

gamma校正原理:
  假设图像中有一个像素,值是 200 ,那么对这个像素进行校正必须执行如下步骤: 
  1. 归一化 :将像素值转换为  0 ~ 1  之间的实数。 算法如下 : ( i + 0. 5)/256  这里包含 1 个除法和 1 个加法操作。对于像素  A  而言  , 其对应的归一化值为  0. 783203 。

  2. 预补偿 :根据公式  , 求出像素归一化后的 数据以  1 /gamma  为指数的对应值。这一步包含一个 求指数运算。若  gamma  值为  2. 2 ,  则  1 /gamma  为  0. 454545 , 对归一化后的  A  值进行预补偿的结果就 是  0. 783203 ^0. 454545 = 0. 894872 。

  3. 反归一化 :将经过预补偿的实数值反变换为  0  ~  255  之间的整数值。具体算法为 : f*256 - 0. 5  此步骤包含一个乘法和一个减法运算。续前 例  , 将  A  的预补偿结果  0. 894872  代入上式  , 得到  A  预补偿后对应的像素值为  228 , 这个  228  就是最后送 入显示器的数据。

  如上所述如果直接按公式编程的话,假设图像的分辨率为 800*600 ,对它进行 gamma 校正,需要执行 48 万个浮点数乘法、除法和指数运算。效率太低,根本达不到实时的效果。 
  针对上述情况,提出了一种快速算法,如果能够确知图像的像素取值范围  , 例如  , 0 ~ 255 之间的整数  , 则图像中任何一个像素值只能 是  0  到  255  这  256  个整数中的某一个 ; 在  gamma 值 已知的情况下  ,0 ~ 255  之间的任一整数  , 经过“归一 化、预补偿、反归一化”操作后 , 所对应的结果是唯一的  , 并且也落在  0 ~ 255  这个范围内。
  如前例  , 已知  gamma  值为  2. 2 , 像素  A  的原始值是  200 , 就可求得 经  gamma  校正后  A  对应的预补偿值为  228 。基于上述原理  , 我们只需为  0 ~ 255  之间的每个整数执行一次预补偿操作  , 将其对应的预补偿值存入一个预先建立的  gamma  校正查找表 (LUT:Look Up Table) , 就可以使用该表对任何像素值在  0 ~ 255  之 间的图像进行  gamma  校正。

Gamma校正实现:


#include <iostream>
#include <opencv2\core\core.hpp>
#include <opencv2\highgui\highgui.hpp>
#include <opencv2\imgproc\imgproc.hpp>
#include<cmath>
using namespace cv;Mat gammaTransform(Mat &srcImage, float kFactor)
{unsigned char LUT[256];for (int i = 0; i < 256; i++){float f = (i + 0.5f) / 255;f = (float)(pow(f, kFactor));LUT[i] = saturate_cast<uchar>(f*255.0f - 0.5f);}Mat resultImage = srcImage.clone();if (srcImage.channels() == 1){MatIterator_<uchar> iterator = resultImage.begin<uchar>();MatIterator_<uchar> iteratorEnd = resultImage.end<uchar>();for (; iterator != iteratorEnd; iterator++){*iterator = LUT[(*iterator)];}}else{MatIterator_<Vec3b> iterator = resultImage.begin<Vec3b>();MatIterator_<Vec3b> iteratorEnd = resultImage.end<Vec3b>();for (; iterator != iteratorEnd; iterator++){(*iterator)[0] = LUT[((*iterator)[0])];//b(*iterator)[1] = LUT[((*iterator)[1])];//g(*iterator)[2] = LUT[((*iterator)[2])];//r}}return resultImage;
}
int main()
{Mat srcImage = imread("lakeWater.jpg");if (!srcImage.data){printf("could not load image...\n");return -1;}//取两种不同的gamma值float gamma1 = 3.33f;float gamma2 = 0.33f;float kFactor1 = 1 / gamma1;float kFactor2 = 1 / gamma2;Mat result1 = gammaTransform(srcImage, kFactor1);Mat result2 = gammaTransform(srcImage, kFactor2);imshow("srcImage", srcImage);imshow("res1", result1);imshow("res2", result2);waitKey(0);return 0;
}

原图:

gamma=3.33的效果图:

Gamma=0.33的效果图:

个人笔记:

Gamma校正对于光照不均匀现象处理较好,简单场景下指数增强的效果与Gamma校正类似,代码如下。但是指数校正更多的用来增加图像对比度,目的为“让高亮区域更亮,让灰暗区域更暗”,达不到通过调整Gamma值增加整个图像亮度或降低的目的。

#include <opencv2/highgui/highgui.hpp>
#include <opencv2/imgproc/imgproc.hpp>  using namespace cv;int main(int argc, char *argv[])
{Mat image = imread(file_path);const int factor =3;//resize(image, image, Size(image.cols / 2, image.rows / 2));Mat imageGamma(image.size(), CV_32FC3);for (int i = 0; i < image.rows; i++){for (int j = 0; j < image.cols; j++){imageGamma.at<Vec3f>(i, j)[0] = pow(image.at<Vec3b>(i, j)[0], factor );imageGamma.at<Vec3f>(i, j)[1] = pow(image.at<Vec3b>(i, j)[1], factor ); imageGamma.at<Vec3f>(i, j)[2] = pow(image.at<Vec3b>(i, j)[2], factor ); }}//归一化到0~255    normalize(imageGamma, imageGamma, 0, 255, CV_MINMAX);//转换成8bit图像显示    convertScaleAbs(imageGamma, imageGamma);imshow("原图", image);imshow("伽马变换图像增强效果", imageGamma);waitKey();return 0;

下图为Gamma和指数校正的一些对比,Gamma值和指数值取代码段中的值。

原图

指数 2-1:

指数 2-2:

Gamma 3-1:

Gamma 3-2: (gamma factor >1)

Gamma 3-3 (Gamma factor <1)

基于OpenCV的Gamma校正原理与实现相关推荐

  1. Gamma校正原理及实现

    gamma校正原理: 假设图像中有一个像素,值是 200 ,那么对这个像素进行校正必须执行如下步骤:  1. 归一化 :将像素值转换为  0 - 1  之间的实数. 算法如下 : ( i + 0. 5 ...

  2. Gamma校正原理及python实现

    Gamma校正原理: 假设图像中有一个像素,值是 200 ,那么对这个像素进行校正必须执行如下步骤:  1. 归一化 :将像素值转换为  0 - 1  之间的实数. 算法如下 : ( i + 0. 5 ...

  3. HOG特征中的Gamma校正原理

    名字:零钱币 借鉴大佬的 https://blog.csdn.net/linqianbi/article/details/78617615 gamma校正原理: 假设图像中有一个像素,值是 200 , ...

  4. Gamma校正原理及实现(一)

    hisi3559提供的hipq工具,可以看到调试伽马参数曲线的变化,当系数小于1时,对暗区提升比较明显,对亮区提升并不多,这是我们需要的结果,如下三张图,不同系统,曲线弯曲度不一样,对图像的提升效果也 ...

  5. matlab gamma拉伸,基于matlab的gamma校正

    <基于matlab的gamma校正>由会员分享,可在线阅读,更多相关<基于matlab的gamma校正(2页珍藏版)>请在人人文库网上搜索. 1.基于matlab 的gamma ...

  6. opencv:Gamma校正

    // 链接 https://blog.csdn.net/linqianbi/article/details/78617615 // Gamma 校正 #include <iostream> ...

  7. OpenCV 【十】——Gamma校正 ——图像灰度变化

    Gamma校正(C++.OpenCV实现) 1.作用: 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: 伽玛校正由以下幂律表达式定义: 2.函数原型 v ...

  8. gamma校正 matlab,Gamma校正 ——图像灰度变化 OpenCV (十)

    Gamma校正(C++.OpenCV实现) 1.作用: 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: 伽玛校正由以下幂律表达式定义: 2.函数原型 v ...

  9. 实战:基于OpenCV实现偏斜文档校正

    点击上方"小白学视觉",选择加"星标"或"置顶" 重磅干货,第一时间送达本文转自|OpenCV学堂 纸质文档扫描中经常会发生扫描出来的图像有 ...

最新文章

  1. 制作旋转LED的经验
  2. 【BZOJ】1692: [Usaco2007 Dec]队列变换
  3. 专访阿里云萧少聪、曹龙:一家云厂商对入局数据库做了哪些思考?
  4. boost::hana::is_convertible用法的测试程序
  5. java求数组的最小值_JAVA编程求数组最大值和最小值
  6. 基于windows PE文件的恶意代码分析;使用SystemInternal工具与内核调试器研究windows用户空间与内核空间...
  7. photoshop菜鸟实用入门(2)----常用的一些快捷操作
  8. ClickHouse:A股分钟数据的查询速度的测试[下]
  9. 离散数学:等价关系与集合覆盖
  10. steamcommunity本地反代443端口/80端口被占用解决办法
  11. UFS系列六:UFS设备初始化和启动
  12. 判断三点方向(顺时针或逆时针)
  13. 李飞飞:我怎样走上 AI 研究之路
  14. 软件工程复习笔记 类图
  15. 关于灾备的重要性解读
  16. WampServer中localhost无法打开怎么办
  17. 搞不定视频会议?来InfoComm China 2021涨姿势吧
  18. 【职业规划】-大数据方向
  19. 获利40多万,工地技术员自学开发外挂被抓
  20. 北京大学计算机考博英语,北京大学考博英语总结的经验提供参考

热门文章

  1. 全国行政区划数据(截止2019年3月)
  2. python操作本地浏览器webbrowser
  3. 喜茶/农夫山泉/星巴克/这些成功案例,有些人仿佛已经嗅到了什么
  4. 钢材和不锈钢切削液-市场现状及未来发展趋势
  5. 微信小程序 #开发者工具 无法 在 资源管理器中 #右键 #新建page 的问题。
  6. Python内置函数作用及解析
  7. 原生Kubernetes云平台部署
  8. Mac 终端(terminal)重置系统时间
  9. Zetane Engine : 神经网络一键可视化
  10. 怎么在html动态实现显示和隐藏效果