大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE使用 1年只要46元 售后保障 童叟无欺
Gamma校正(C++、OpenCV实现)
1.作用：
Gamma校正是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系：
伽玛校正由以下幂律表达式定义：
2.函数原型
void calcHist( const Mat* images, int nimages,
const int* channels, InputArray mask,
OutputArray hist, int dims, const int* histSize,
const float** ranges, bool uniform=true, bool accumulate=false );
//1.输入的图像数组 2.输入数组的个数 3.通道数 4.掩码 5.直方图
//6.直方图维度 7.直方图每个维度的尺寸数组 8.每一维数组的范围 9.直方图是否是均匀 10.累加标志
参数详解：
images：输入的图像的指针，可以是多幅图像，所有的图像必须有同样的深度(CV_8U or CV_32F)。同时一副图像可以有多个channes。
nimages：输入图像的个数
channels：需要统计直方图的第几通道。用来计算直方图的channes的数组。比如输入是2副图像，第一副图像有0，1，2共三个channel，第二幅图像只有0一个channel，那么输入就一共有4个channes，如果int channels[3] = {3, 2, 0}，那么就表示是使用第二副图像的第一个通道和第一副图像的第2和第0个通道来计算直方图。
3.实现：
void GetGammaCorrection(Mat& src, Mat& dst, const float fGamma)
{
unsigned char bin[256];
for (int i = 0; i < 256; ++i)
{
bin[i] = saturate_cast(pow((float)(i / 255.0), fGamma) * 255.0f);
}
dst = src.clone();
const int channels = dst.channels();
switch (channels)
{
case 1:
{
MatIterator_ it, end;
for (it = dst.begin(), end = dst.end(); it != end; it++)
*it = bin[(*it)];
break;
}
case 3:
{
MatIterator_ it, end;
for (it = dst.begin(), end = dst.end(); it != end; it++)
{
(*it)[0] = bin[((*it)[0])];
(*it)[1] = bin[((*it)[1])];
(*it)[2] = bin[((*it)[2])];
}
break;
}
}
}
int main()
{
Mat image = imread(“C:\\Users\\Administrator\\Desktop\\ir\\2ir.bmp”);
if (image.empty())
{
cout << “Error: Could not load image” << endl;
return 0;
}
Mat dst;
float fGamma = 1 / 2.0;
GetGammaCorrection(image, dst, fGamma);
imshow(“Source Image”, image);
imshow(“Dst”, dst);
std::string filename = “C:\\Users\\Administrator\\Desktop\\ir\\dst2ir.bmp”;
cv::imwrite(filename, dst);
cv::waitKey(0);
return 0;
}
4.效果
未经gamma校正和经过gamma校正保存图像信息如图：
能够观察到，未经gamma校正的情况下，低灰度时，有较大范围的灰度值被保存成同一个值，造成信息丢失；同一时候高灰度值时，非常多比較接近的灰度值却被保存成不同的值，造成空间浪费。经过gamma校正后，改善了存储的有效性和效率。
5.原理
6.参考
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/190571.html原文链接：https://javaforall.net
