转自 Gamma校正及其OpenCV实现,略有改动。
一、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:
[2]
这个指数即为Gamma.
经过Gamma校正后的输入和输出图像灰度值关系如图1所示: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得到增加,更利于分辩低灰度值时的图像细节。
图1 Gamma校正.
二、为什么进行Gamma校正?
1. 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。而摄像机感光与输入光强呈线性关系。如图2所示:
图2 人眼和摄像机的感光与实际输入光强的关系[1]。
为方便人眼辨识图像,需要将摄像机采集的图像进行gamma校正。
2. 为能更有效的保存图像亮度信息,需进行Gamma校正。
未经gamma校正和经过gamma校正保存图像信息如图3所示:
图3 未经gamma校正和经过gamma校正保存图像信息.
可以观察到,未经gamma校正的情况下,低灰度时,有较大范围的灰度值被保存成同一个值,造成信息丢失;同时高灰度值时,很多比较接近的灰度值却被保存成不同的值,造成空间浪费。经过gamma校正后,改善了存储的有效性和效率。
三、利用OpenCV实现的Gamma校正
- void MyGammaCorrection(Mat& src, Mat& dst, float fGamma)
- {
- CV_Assert(src.data);
- // accept only uchar type matrices,when use CV_8UC1 or CV_8UC3,src.depth()==0
- //sizeof(uchar)==1
- CV_Assert(src.depth() != sizeof(uchar));
- // build look up table
- unsigned char lut[256];
- for( int i = 0; i < 256; i++ )
- {
- lut[i] = saturate_cast<uchar>(pow((float)(i/255.0), fGamma) * 255.0f);
- }
- dst = src.clone();
- const int channels = dst.channels();
- switch(channels)
- {
- case 1:
- {
- 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:
- {
- MatIterator_<Vec3b> it, end;
- for( it = dst.begin<Vec3b>(), end = dst.end<Vec3b>(); it != end; it++ )
- {
- //(*it)[0] = pow((float)(((*it)[0])/255.0), fGamma) * 255.0;
- //(*it)[1] = pow((float)(((*it)[1])/255.0), fGamma) * 255.0;
- //(*it)[2] = pow((float)(((*it)[2])/255.0), fGamma) * 255.0;
- (*it)[0] = lut[((*it)[0])];
- (*it)[1] = lut[((*it)[1])];
- (*it)[2] = lut[((*it)[2])];
- }
- break;
- }
- }
- }