Gamma校正及其OpenCV实现

参考：[1]http://www.cambridgeincolour.com/tutorials/gamma-correction.htm

[2]http://en.wikipedia.org/wiki/Gamma_correction

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 char type matrices
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;

}
}
}