在github上搜索代碼Auto Gamma Correction，找到一個比較古老的代碼，詳見：https://github.com/PedramBabakhani/Automatic-Gamma-Correction，配套的代碼使用VHDL語言寫的，看了半天一個for循環沒有，是在看不懂，幸好里面有篇算法對應的論文下載，論文名字叫《ASIC implementation of automatic gamma correction based on average of brightness 》，下載看了下，大概搞明白了他的大概意思。
文章的核心思想很簡單，就是他假定一幅合理的圖像應該所有像素的平均值應該是0.5左右（歸一化后的），所以那么自動伽馬校正的伽馬值就要使得目標圖像向這個目標前進。
假定X是圖像的平均值，那么自動伽馬需符合下述要求：
一步一步的往下推導，有：
-----》 
--------》
就是這么簡單哪，如果寫個代碼也就是幾分鍾的事情。
int IM_AutoGammaCorrection(unsigned char *Src, unsigned char *Dest, int Width, int Height, int Stride) { int Channel = Stride / Width; if ((Src == NULL) || (Dest == NULL)) return IM_STATUS_NULLREFRENCE; if ((Width <= 0) || (Height <= 0)) return IM_STATUS_INVALIDPARAMETER; if ((Channel != 1) && (Channel != 3) && (Channel != 4)) return IM_STATUS_NOTSUPPORTED; int AvgB, AvgG, AvgR, AvgA; int Status = IM_GetAverageValue(Src, Width, Height, Stride, AvgB, AvgG, AvgR, AvgA); if (Status != IM_STATUS_OK) return Status; if (Channel == 1) { float Gamma = -0.3 / (log10(AvgB / 256.0f)); unsigned char Table[256]; for (int Y = 0; Y < 256; Y++) // 另外一種方式是：pow(Y / 255.0, 1.0 / Gamma）
{ Table[Y] = IM_ClampToByte((int)(pow(Y / 255.0f, Gamma) * 255.0f)); } return IM_Curve(Src, Dest, Width, Height, Stride, Table, Table, Table); } else { float GammaB = -0.3 / (log10(AvgB / 256.0f)); float GammaG = -0.3 / (log10(AvgG / 256.0f)); float GammaR = -0.3 / (log10(AvgR / 256.0f)); unsigned char TableB[256], TableG[256], TableR[256]; for (int Y = 0; Y < 256; Y++) // 另外一種方式是：pow(Y / 255.0, 1.0 / Gamma）
{ TableB[Y] = IM_ClampToByte((int)(pow(Y / 255.0f, GammaB) * 255.0f)); TableG[Y] = IM_ClampToByte((int)(pow(Y / 255.0f, GammaG) * 255.0f)); TableR[Y] = IM_ClampToByte((int)(pow(Y / 255.0f, GammaR) * 255.0f)); } return IM_Curve(Src, Dest, Width, Height, Stride, TableB, TableG, TableR); } }
效果似乎還是很不錯的。
對於正常的圖像，基本上沒有啥變化，這也是必須要有的特性。
論文里提出了另外一種更適合於硬件實現的方式。
他把圖像分成很多個16*16的小塊，比如N*M個（文章中固定死了，也是16*16個），然后對16*16的小塊，每次提取對應位置的一個像素，共計N*M個像素，計算這N*M像素的平均值，然后依據這個平均值計算出伽馬值，這樣就能計算出16*16個Gamma值，這些Gamma值肯定不會是完全相同的，文章中也統計了他們的差異大小，最后用這個256個gamma的平均值作為最后的正副圖像的平均值。
這代碼寫的有點狗屎 ......
注意上面的取樣是全部平均取樣，不是某一個塊集中取樣。
這樣寫的結果和全圖取平均還是有一定區別的，不過效果基本上差不多。
整個過程就這么簡單，不過對於彩色圖像，如果直接分通道實現，似乎會出現一定的偏色現象，我想這個不應該是Gamma調整該出現的作用，應該予以消除，如下所示：
解決方法有把三通道求得的Gamma值再求平均值，作為每個通道的Gamma值，也可以對亮度通道做Gamma，然后在返回到RGB空間等等。
如上所示，基本沒有這個現象。
當然，這種全局的Gamma校正還是有很多問題，比如容易出現塊狀，容易增強噪音等等，需要和某些局部算法結合在一起來實現更好的結果。
本文Demo下載地址： http://files.cnblogs.com/files/Imageshop/SSE_Optimization_Demo.rar，見其中的Adjust-> Auto Gamma Correction菜單。