gamma變換實現過程
假設圖像中有一個像素,值是 200 ,那么對這個像素進行校正必須執行如下步驟:
1. 歸一化 :將像素值轉換為 0 ~ 1 之間的實數。 算法如下 : ( i + 0. 5)/256 這里包含 1 個除法和 1 個加法操作。對於像素 A 而言 , 其對應的歸一化值為 0. 783203 。
2. 預補償 :根據公式 , 求出像素歸一化后的 數據以 1 /gamma 為指數的對應值。這一步包含一個 求指數運算。若 gamma 值為 2. 2 , 則 1 /gamma 為 0. 454545 , 對歸一化后的 A 值進行預補償的結果就 是 0. 783203 ^0. 454545 = 0. 894872 。
3. 反歸一化 :將經過預補償的實數值反變換為 0 ~ 255 之間的整數值。具體算法為 : f*256 - 0. 5 此步驟包含一個乘法和一個減法運算。續前 例 , 將 A 的預補償結果 0. 894872 代入上式 , 得到 A 預補償后對應的像素值為 228 , 這個 228 就是最后送 入顯示器的數據。
如上所述如果直接按公式編程的話,假設圖像的分辨率為 800*600 ,對它進行 gamma 校正,需要執行 48 萬個浮點數乘法、除法和指數運算。效率太低,根本達不到實時的效果。
針對上述情況,提出了一種快速算法,如果能夠確知圖像的像素取值范圍 , 例如 , 0 ~ 255 之間的整數 , 則圖像中任何一個像素值只能 是 0 到 255 這 256 個整數中的某一個 ; 在 gamma 值 已知的情況下 ,0 ~ 255 之間的任一整數 , 經過“歸一 化、預補償、反歸一化”操作后 , 所對應的結果是唯一的 , 並且也落在 0 ~ 255 這個范圍內。
如前例 , 已知 gamma 值為 2. 2 , 像素 A 的原始值是 200 , 就可求得 經 gamma 校正后 A 對應的預補償值為 228 。基於上述原理 , 我們只需為 0 ~ 255 之間的每個整數執行一次預補償操作 , 將其對應的預補償值存入一個預先建立的 gamma 校正查找表 (LUT:Look Up Table) , 就可以使用該表對任何像素值在 0 ~ 255 之 間的圖像進行 gamma 校正。
gamma變換實現
#include <math.h> typedef unsigned char UNIT8; //用 8 位無符號數表示 0~255 之間的整數 UNIT8 g_GammaLUT[256];//全局數組:包含256個元素的gamma校正查找表 //Buildtable()函數對0-255執行如下操作: //①歸一化、預補償、反歸一化; //②將結果存入 gamma 查找表。 //從公式得fPrecompensation=1/gamma void BuildTable(float fPrecompensation ) { int i; float f; for( i=0;i<256;i++) { f=(i+0.5F)/256;//歸一化 f=(float)pow(f,fPrecompensation); g_GammaLUT[i]=(UNIT8)(f*256-0.5F);//反歸一化 } } void GammaCorrectiom(UNIT8 src[],int iWidth,int iHeight,float fGamma,UNIT8 Dst[]) { int iCols,iRows; BuildTable(1/fGamma);//gamma校正查找表初始化 //對圖像的每個像素進行查找表矯正 for(iRows=0;iRows<iHeight;iRows++) { for(iCols=0;iCols<iWidth;iCols++) { Dst[iRows*iWidth+iCols]=g_GammaLUT[src[iRows*iWidth+iCols]]; } } }
測試效果
1. 1/fGamma = 0.4,fGamma = 2.5
2. 1/fGamma = 2.5,fGamma = 0.4
refer:https://blog.csdn.net/u013625961/article/details/54375010