Python实现伽马矫正_def gamma_trans(img,gamma): # 先归一化到 1,做伽马计算,再还原到[0

伽马矫正是一种借助了指数变换映射的增强技术。伽马矫正的映射函数可表示为:d = T(s)= csY ,其中c和y为常数。y的值是控制变换效果的主要因素,所以被称之为伽马矫正。
如右图所示:

·当y 之1时，输入的低灰度范围被压缩，
高灰度范围被拉伸，实现了强化亮部，压缩暗部的图像增强效果;
·当y >1时，输入的高灰度范围被压缩，
·低灰度范围被拉伸，实现了强化暗部，压缩亮部的图像增强效果;
gama,pY

代码实现

import numpy as np
import cv2



def gama_trans(img, gamma):
    # 先归一化处理，再做伽马计算，再还原到[0,255]
    gmma_list = [np.power(x / 255.0, gamma) * 255.0 for x in range(256)]

    # 将列表换成nparray,换成无符号8为数
    gamma_table = np.round(np.array(gmma_list)).astype(np.uint8)

    return cv2.LUT(img, gamma_table)


# 定义matshow方法
def matshow(title='image', image=None, gray=False):
    if isinstance(image, np.ndarray):
        if len(image.shape) == 2:
            pass
        elif gray:
            # 转换成GRAY格式
            image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
        else:
            # 图片默认BGR通道，将突破转换成RGB
            image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
            # 使用这种方式显示图片可能会导致图片显示畸形
            # cv2.imshow('image', image)
    plt.figure()

    # 载入图像
    plt.imshow(image, cmap="gray")

    # 设置标题
    plt.title(title)

    plt.show()




if __name__ == '__main__':
    im = cv2.imread('data/lena.jpg', 0)

    matshow('im', im)

    # 使用小于1的伽马值
    im = gama_trans(im, 0.5)
    matshow('im0.5', im)

    # 使用大于1的伽马值
    im = gama_trans(im, 3)
    matshow('im3', im)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54

实现效果