參考：[1]

[2]

 

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所看到的：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。能够观察到，当gamma值小于1时(蓝色曲线)，图像的总体亮度值得到提升，同一时候低灰度处的对照度得到添加，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easy分辨出亮度的变化，随着照度的添加，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所看到的：

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，须要将摄像机採集的图像进行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所看到的：

图3 未经gamma校正和经过gamma校正保存图像信息.

能够观察到，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；同一时候高灰度值时，非常多比較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
     
      (pow((float)(i/255.0), fGamma) * 255.0f);	}	dst = src.clone();	const int channels = dst.channels();	switch(channels)	{		case 1:			{				MatIterator_
      
        it, end;				for( it = dst.begin
       
        (), end = dst.end
        
         (); it != end; it++ )					//*it = pow((float)(((*it))/255.0), fGamma) * 255.0;					*it = lut[(*it)];				break;			}		case 3: 			{				MatIterator_
         
           it, end;				for( it = dst.begin
          
           (), end = dst.end
           
            (); 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; } }}