1. 介绍
伽马变换主要目的是对比度拉伸，将图像灰度较低的部分进行修正
伽马变换针对的是对单个像素点的变换，也就是点对点的映射
形式为：
其中，s为输出的像素点的灰度值，r为输入像素点的灰度值。c 、 γ 为常数
γ 值不同的时候，对应的变换曲线如图，这里我们不关注具体函数的取值，而只是关注变换曲线的形状
通过观察可以发现
- γ > 1 的时候，会压缩暗区的对比度，抬高亮区的对比度。并且γ越大，效果越明显
- γ < 1 的时候，会提升暗区的对比度，压缩亮区的对比度。并且γ越小，效果越明显
- γ = 1 的时候，图像的灰度不变（c 也为1）
2. 代码实现
|
1 2 3 4 5 6 7 8 9 10 |
import cv2 import numpy as np def grammar(x, r): y = pow(x / 255 , r) * 255 return y.astype(np.uint8) img = cv2.imread('./f.jpg',0) img_grammar = grammar(img,0.6) cv2.imshow('img',np.hstack((img,img_grammar))) cv2.waitKey() cv2.destroyAllWindows() |
原图和 γ = 0.6 的效果
这里需要进行归一化处理，因为整数的小数次方可能会丢失精度，我们将灰度值变为（0，1）之间，转换成小数与小数的次方会更加准确。
3. 提升视频的亮度
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 |
import numpy as np import cv2 def grammar(x , r): # grammar 变换 y = pow(x / 255 , r) * 255 return y.astype(np.uint8) video = cv2.VideoCapture('./hand.mp4') # 读取视频 while video.isOpened(): # 如果视频/摄像头 读取成功 ret,frame = video.read() # 读取每一帧 img = grammar(frame,0.6) # 将每一帧进行进行grammar变换 if ret == True : # 读取到frame的话 cv2.imshow('img',np.hstack((frame,img))) key=cv2.waitKey(1) if key == ord('q'): # q 退出 break if key == 32: # 空格键 暂停 cv2.waitKey(0) continue video.release() cv2.destroyAllWindows() |
视频效果：
