opencv图像处理之gamma变换

import cv2
import numpy as np
img=cv2.imread('4.jpg')
def adjust_gamma(image, gamma=1.0):
    invGamma = 1.0/gamma
    table = []
    for i in range(256):
        table.append(((i / 255.0) ** invGamma) * 255)
    table = np.array(table).astype("uint8")
    return cv2.LUT(image, table)

img_gamma = adjust_gamma(img, 2)
cv2.imshow("img",img)
cv2.imshow("img_gamma",img_gamma)

key = cv2.waitKey()
if key == 27:
    cv2.destroyAllWindows()

提到LUT，很多人可能都会觉得这是一个很专业很高深的词汇，LUT其实就是Look Up Table（颜色查找表）的缩写，简单点儿理解就是：通过LUT，我们可以将一组RGB值输出为另一组RGB值，从而改变画面的曝光与色彩。LUT文件就是一个包含了可以改变输入颜色信息的矩阵数据。LUT本身并不进行运算，只需在其中列举一系列输入与输出数据即可，这些数据呈一一对应的关系，系统按照此对应关系为每一个输入值查找到与其对应的输出值，这样即可完成转换，也是LUT基本不消耗CPU资源的原因。
原文链接：https://blog.csdn.net/weixin_42171170/article/details/94473176

提到LUT，很多人可能都会觉得这是一个很专业很高深的词汇，LUT其实就是Lookup Table（颜色查找表）的缩写，简单点儿理解就是：通过LUT，你可以将一组RGB值输出为另一组RGB值，从而改变画面的曝光与色彩。用一个最简单的模型帮助大家理解就是：

如果我们规定：

当原始R值为0时，输出R值为5；

当原始R值为1时，输出R值为6；

当原始R值为2时，输出R值为8；

当原始R值为3时，输出R值为10；

...

一直到R值为255

当原始G值为0时，输出G值为10；

当原始G值为1时，输出G值为12；

当原始G值为2时，输出G值为13；

当原始G值为3时，输出G值为15；

...

一直到G值为255

当原始B值为0时，输出B值为0；

当原始B值为1时，输出B值为0；

当原始B值为2时，输出B值为1；

当原始B值为3时，输出B值为1；

...

一直到B值为255

那么，如果一个像素为RGB(1,2,3)，那么它应用这个LUT之后的输出值就是RGB(6,13,1)，以此类推，我们就可以把所有原始RGB值转化为输出RGB值。当然在实际的3D LUT转换中，算法要比这复杂很多。

原文链接：http://www.sohu.com/a/230989286_252971

还有一篇参考文章：https://blog.csdn.net/Rothwale/article/details/79189032

opencv图像处理之gamma变换

猜你喜欢