Python-OpenCV中的Gamma变换（校正） - 好文

【参考资料】https://blog.csdn.net/lichengyu/article/details/8457425

http://www.jb51.net/article/137566.htm

一、什么是Gamma变换

Gamma变换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：

这个指数即为Gamma。

Gamma变换就是用来图像增强，其提升了暗部细节，简单来说就是通过非线性变换，让图像从暴光强度的线性响应变得更接近人眼感受的响应，即将漂白（相机曝光）或过暗（曝光不足）的图片，进行矫正。

经过Gamma变换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变换

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

为方便人眼辨识图像，需要将摄像机采集的图像进行Gamma变换。

2. 为能更有效的保存图像亮度信息，需进行Gamma变换。

未经Gamma变换和经过Gamma变换保存图像信息如图3所示：

图3 未经Gamma变换和经过Gamma变换保存图像信息

可以观察到，未经Gamma变换的情况下，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变换后，改善了存储的有效性和效率。

三、Gamma变换的基本形式

大于1时，对图像的灰度分布直方图具有拉伸作用（使灰度向高灰度值延展），而小于1时，对图像的灰度分布直方图具有收缩作用（是使灰度向低灰度值方向靠拢）。

四、Python下有关Gamma变换的示例代码
def adjust_gamma(imgs, gamma=1.0): assert (len(imgs.shape)==4) #4D arrays
assert (imgs.shape[1]==1) #check the channel is 1 # build a lookup table
mapping the pixel values [0, 255] to # their adjusted gamma values invGamma =
1.0 / gamma table = np.array([((i / 255.0) ** invGamma) * 255 for i in
np.arange(0, 256)]).astype("uint8") # apply gamma correction using the lookup
table new_imgs = np.empty(imgs.shape) for i in range(imgs.shape[0]):
new_imgs[i,0] = cv2.LUT(np.array(imgs[i,0], dtype = np.uint8), table) return
new_imgs

热门工具换一换