图像的gamma变换

图像的gamma变换

gamma矫正公式：

     output = input^r

input的取值范围为[0,1],因为如果为0-255，对输入图像进行指数运算时很容易达到255,然后需要截断操作，就失去gamma变换的意义。

从上图中可以看出，gamma变换实际上就是一种将图像的像素值进行非线性处理的技术。

1. 当gamma值大于1时，会将图像中的比较集中的高照度区域范围做一个拉伸，将对比度拉升到一个比较大的范围，比如gamma值取2时，[0.5-1]的区域经过gamma变换后，输出范围由原来的[0.5,1]扩大为[0.25,1]，这不就是对比度拉伸麽。
2. 同理，当gamma值小于1时，会将图像中比较集中的低照度区域范围做一个拉伸，将对比度同样拉升到一个比较大的范围，比如gamma值取0.5时，[0-0.25]的区域经过gamma变换后，输出范围由原来的[0-0.25]扩大为[0-0.5]。
3. 所以在实际应用中，应对不同的图像可以采取不同的gamma系数来处理，比如当图片出现过度曝光时，可以取gamma大于1对原图像进行指数变换，把高亮度区域的对比度进行拉伸，使得人眼看起来图像辨识度很高；当图像出现欠曝光时，就可以取gamma值小于1的操作了。

下面附上非常简短的python实现代码：

1. 首先读入图片，并进行归一化（我首先进行了灰度处理，也可以直接对三通道图像进行直接归一化）
2. 然后对图像进行gamma指数运算

import cv2
import numpy as np
src = cv2.imread('./gamma.jpg', 0)
r1 = 1/2.2
r2 = 2.2
result_r1 = ((src/float(np.max(src)))**r1)
result_r2 = ((src/float(np.max(src)))**r2)
cv2.imshow('src', src)
cv2.imshow('result_r1', result_r1)
cv2.imshow('result_r2', result_r2)
cv2.waitKey(0)

参考文献1
参考文献2
参考文献3