opencv圖像處理之gamma變換

 

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，很多人可能都會覺得這是一個很專業很高深的詞匯，LUT其實就是Look Up Table（顏色查找表）的縮寫，簡單點兒理解就是：通過LUT，我們可以將一組RGB值輸出為另一組RGB值，從而改變畫面的曝光與色彩。LUT文件就是一個包含了可以改變輸入顏色信息的矩陣數據。LUT本身並不進行運算，只需在其中列舉一系列輸入與輸出數據即可，這些數據呈一一對應的關系，系統按照此對應關系為每一個輸入值查找到與其對應的輸出值，這樣即可完成轉換，也是LUT基本不消耗CPU資源的原因。
原文鏈接：https://blog.csdn.net/weixin_42171170/article/details/94473176

---

提到LUT，很多人可能都會覺得這是一個很專業很高深的詞匯，LUT其實就是Lookup Table（顏色查找表）的縮寫，簡單點兒理解就是：通過LUT，你可以將一組RGB值輸出為另一組RGB值，從而改變畫面的曝光與色彩。用一個最簡單的模型幫助大家理解就是：

如果我們規定：

當原始R值為0時，輸出R值為5；

當原始R值為1時，輸出R值為6；

當原始R值為2時，輸出R值為8；

當原始R值為3時，輸出R值為10；

...

一直到R值為255

當原始G值為0時，輸出G值為10；

當原始G值為1時，輸出G值為12；

當原始G值為2時，輸出G值為13；

當原始G值為3時，輸出G值為15；

...

一直到G值為255

當原始B值為0時，輸出B值為0；

當原始B值為1時，輸出B值為0；

當原始B值為2時，輸出B值為1；

當原始B值為3時，輸出B值為1；

...

一直到B值為255

那么，如果一個像素為RGB(1,2,3)，那么它應用這個LUT之后的輸出值就是RGB(6,13,1)，以此類推，我們就可以把所有原始RGB值轉化為輸出RGB值。當然在實際的3D LUT轉換中，算法要比這復雜很多。

原文鏈接：http://www.sohu.com/a/230989286_252971

---

 

 

還有一篇參考文章：https://blog.csdn.net/Rothwale/article/details/79189032

---