为什么要对图像做Gamma校正？如何做？

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

作者丨HawkWang

来源丨计算摄影

在上一节中，我们得到了颜色校正后的图像

我们当前的进度如下，今天我们将完成下图中整个剩余的部分

亮度拉伸不说，这里讲一下Gamma校正。

我以前讲过，ISP在将图像编码为我们常用的8位图像之前，会进行一次所谓的色调重建的过程。而且，这个过程不仅仅是对图像的压缩保存需要，对图像的显示也是需要的：

而Gamma编码校正是色调重建的重要方式之一，今天我们先来谈谈为什么需要做Gamma编码。你可能听说过的广为流传的说法是Gamma编码最初是为了补偿阴极射线管（CRT）显示器的输入输出特性而开发的。在CRT显示器中，光强随电子枪电压非线性变化。通过伽玛编码压缩改变输入信号可以消除这种非线性，从而使输出图像具有预期亮度。

但我们如今已经不再广泛使用CRT显示器了，而且很多时候我们并不是为了显示图像，仅为了保存图像，为何还要做Gamma编码呢？

我们需要知道是，人类在感知颜色和亮度时是有层次的。

我们的感知系统对亮度的感知曲线近似幂函数，对较暗色调之间的相对差异比较亮色调之间的更敏感。

所以，当我们对图像进行编码时，需要符合人类的感知曲线，优化编码效率。简单说，我们分配较少的bit数给人类较难区分的图像亮区，分配更多的bit数来突出人类更加敏感的图像暗区

对于显示设备也是一样。无论显示设备的伽马特性如何，它们都需要伽马编码来最大限度地提高信号的视觉质量。它会执行所谓的Gamma校正过程，最终使得我们看到的依然是线性的显示图像。

以上，也就介绍了为什么我们看到的RAW图像很暗。因为经过我们前面处理后的RAW图像依然是线性的，显示设备的Gamma校正过程会进一步压低暗区，使得我们看到很暗的图像——这就是为什么我们现在需要进行Gamma编码。

本文仅做学术分享，如有侵权，请联系删文。

好消息！

小白学视觉知识星球

开始面向外开放啦👇👇👇

下载1：OpenCV-Contrib扩展模块中文版教程

在「小白学视觉」公众号后台回复：扩展模块中文教程，即可下载全网第一份OpenCV扩展模块教程中文版，涵盖扩展模块安装、SFM算法、立体视觉、目标跟踪、生物视觉、超分辨率处理等二十多章内容。


下载2：Python视觉实战项目52讲
在「小白学视觉」公众号后台回复：Python视觉实战项目，即可下载包括图像分割、口罩检测、车道线检测、车辆计数、添加眼线、车牌识别、字符识别、情绪检测、文本内容提取、面部识别等31个视觉实战项目，助力快速学校计算机视觉。


下载3：OpenCV实战项目20讲
在「小白学视觉」公众号后台回复：OpenCV实战项目20讲，即可下载含有20个基于OpenCV实现20个实战项目，实现OpenCV学习进阶。


交流群

欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~