图像处理算法之Gamma校正优化一

1 前言

接着上一篇Gamma校正，对于一般的偏暗或者偏亮的图片，可以处理的不错。但是如果图像上出现部分偏亮或者部分偏暗，或者图像在时序上会有亮变暗，环境不定。这时候需要做自适应的gamma矫正，就是需要对暗的部分增亮，对亮的部分拉暗，而不是全图使用同样的gamma值。

了解下方案一：
论文Local colour correction using nonlinear masking

2 论文原理

1）公式如下：
$$f(I)=I^{\gamma }$$
$$\gamma =2^{\frac{128-mask}{128}}$$

2）步骤：
2-1）将RGB图像转化为灰度图像。
2-2）将灰度图像取反。
2-3）用大半径滤波器将取反的灰度图像模糊得到mask。

模糊半径将影响mask效果

用灰度图像来计算是为避免色度通道发生失真。
图像取反是因为暗区需要更大的mask来提升亮度，而亮区需要小的mask来压制亮度。
图像模糊是为防止图像特征被识别。
如果图像未模糊，那么图像的对比度会急剧下降，
如果图像过模糊，那么算法将退化成简单的gamma校正。
这一计算过程可以用小图计算加速。

ps:可以看出整个过程是为了得到一个动态的gamma值，而不是上一篇中固定的gamma值，每个像素都会有一个自己的gamma值。更正一下，由于gamma是浮点数，此处不适合查表，对于小图，计算量会小很多。

当mask>128时，指数<1，输出像素值将比输入像素值大，图像会被增亮。
当mask<128时，指数>1，输出像素值将比输入像素值小，图像会被拉暗。

用曲线可以将输入，mask与输出的关系表示如下。

3 效果

ps: 从左到右，分别是原图，Gamma校正图，论文算法校正图