图像Gamma(伽玛)校正的原理及OpenCV代码实现

昊虹AI笔记

已于 2023-03-06 11:53:38 修改

阅读量2.2w

点赞数 14

分类专栏：图像处理原理、工具、代码文章标签： Gamma校正伽玛校正

于 2016-06-13 12:57:14 首次发布

本文链接：https://blog.csdn.net/wenhao_ir/article/details/51656802

版权

图像处理原理、工具、代码专栏收录该内容

280 篇文章

订阅专栏

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。

Gamma校正的原理表达式如下：

$\LARGE V_{out}=AV_{in}^{\gamma}$

上面中的指数γ即为Gamma。这就是Gamma校正的名称来历。

其中 $\small V_{in}$ 的取值范围是0~1，最重要的参数就是式子中的参数γ。

γ的值决定了输入图像和输出图像之间的灰度映射方式，即决定了是增强低灰度值区域还是增高灰度值区域。
γ>1时，即下图中的红色曲线，图像的高灰度区域对比度得到增强，直观效果是一幅偏亮的图变暗了下来。
γ<1时，即下图中的蓝色曲线，图像的低灰度区域对比度得到增强，直观效果是一幅偏暗的图变亮了起来。
γ=1时，不改变原图像。

Gamma校正表达式的曲线图如下：

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增加，高灰度处的对比度降低，更利于分辩低灰度值时的图像细节；
当gamma值大于1时(红色曲线)，图像的整体亮度值得到减小，同时低灰度处的对比度降低，高灰度处的对比度增加，更利于分辩高灰度值时的图像细节。

为什么要进行Gamma校正？
一个典型的例子：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。而相机感光与输入光强呈线性关系。为了适应我们人眼的特性，我们就需要对相机拍摄得到的原始图像作Gamma校正。

在OpenCV环境下实现的Gamma校正代码如下：

//出处：昊虹AI笔记网(hhai.cc)
//用心记录计算机视觉和AI技术

//博主微信/QQ 2487872782
//QQ群 271891601
//欢迎技术交流与咨询

//OpenCV版本 OpenCV3.0

#include <opencv2/opencv.hpp>
#include <iostream>

using namespace std;
using namespace cv;

 
void MyGammaCorrection(Mat& src, Mat& dst, float fGamma)  
{  
 
    // 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:   //灰度图的情况
            {  
 
                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:  //彩色图的情况
            {  
 
                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;  
 
            }  
    }  
}  
 
int main()
{
         Mat image = imread("E:/material/images/P0034-Gamma-correction.jpg");
        if (image.empty())
        {
                cout << "Error: Could not load image" << endl;
                return 0;
        }
 
        Mat dst1;
		Mat dst2;
        float fGamma1=1/2.2;
		float fGamma2=2;
        MyGammaCorrection(image, dst1, fGamma1);
		MyGammaCorrection(image, dst2, fGamma2);

		cv::namedWindow("Source Image", WINDOW_NORMAL);
		cv::namedWindow("Gamma=1/2.2", WINDOW_NORMAL);
		cv::namedWindow("Gamma=2", WINDOW_NORMAL);
 
        imshow("Source Image", image);
        imshow("Gamma=1/2.2", dst1);
		imshow("Gamma=2", dst2);

 
        waitKey();
 
        return 0;
}