Gamma校正原理及实现(一)

本文介绍了伽马校正的原理,包括归一化、预补偿和反归一化步骤,并针对效率问题提出了一种快速算法,通过创建预补偿查找表实现对0~255范围内像素值的伽马校正。此外,还分享了在hisi平台上的代码实现和效果。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

在这里插入图片描述
hisi3559提供的hipq工具,可以看到调试伽马参数曲线的变化,当系数小于1时,对暗区提升比较明显,对亮区提升并不多,这是我们需要的结果,如下三张图,不同系统,曲线弯曲度不一样,对图像的提升效果也不一样,根据实际需求,调整参数,
一:
在这里插入图片描述
二;
在这里插入图片描述
三:
在这里插入图片描述
gamma校正原理:
  假设图像中有一个像素,值是 200 ,那么对这个像素进行校正必须执行如下步骤:
  1. 归一化 :将像素值转换为 0 ~ 1 之间的实数。 算法如下 : ( i + 0. 5)/256 这里包含 1 个除法和 1 个加法操作。对于像素 A 而言 , 其对应的归一化值为 0. 783203 。

2. 预补偿 :根据公式 , 求出像素归一化后的 数据以 1 /gamma 为指数的对应值。这一步包含一个 求指数运算。若 gamma 值为 2. 2 , 则 1 /gamma 为 0. 454545 , 对归一化后的 A 值进行预补偿的结果就 是 0. 783203 ^0. 454545 = 0. 894872 。

3. 反归一化 :将经过预补偿的实数值反变换为 0 ~ 255 之间的整数值。具体算法为 : f*256 - 0. 5 此步骤包含一个乘法和一个减法运算。续前 例 , 将 A 的预补偿结果 0. 894872 代入上式 , 得到 A 预补偿后对应的像素值为 228 , 这个 228 就是最后送 入显示器的数据。

如上所述如果直接按公式编程的话,假设图像的分辨率为 800*600 ,对它进行 gamma 校正,需要执行 48 万个浮点数乘法、除法和指数运算。效率太低,根本达不到实时的效果。
  针对上述情况,提出了一种快速算法,如果能够确知图像的像素取值范围 , 例如 , 0 ~ 255 之间的整数 , 则图像中任何一个像素值只能 是 0 到 255 这 256 个整数中的某一个 ; 在 gamma 值 已知的情况下 ,0 ~ 255 之间的任一整数 , 经过“归一 化、预补偿、反归一化”操作后 , 所对应的结果是唯一的 , 并且也落在 0 ~ 255 这个范围内。
  如前例 , 已知 gamma 值为 2. 2 , 像素 A 的原始值是 200 , 就可求得 经 gamma 校正后 A 对应的预补偿值为 228 。基于上述原理 , 我们只需为 0 ~ 255 之间的每个整数执行一次预补偿操作 , 将其对应的预补偿值存入一个预先建立的 gamma 校正查找表 (LUT:Look Up Table) , 就可以使用该表对任何像素值在 0 ~ 255 之 间的图像进行 gamma 校正。

校正代码:如下
	unsigned char LUT[256];
	for (int i = 0; i < 256; i++)
	{
   
		float f = (i + 0.5f) / 255;
		f = (float)(pow(f, kFactor));
		LUT[i] = saturate_cast<uchar>(f*255.0f - 0.5f);
	}

我在hisi实现的代码

 typedef struct hiVIDEO_FRAME_S {
   
    HI_U32              u32Width;
    HI_U32              u32Height;
    VIDEO_FIELD_E       enField;
    PIXEL_FORMAT_E      enPixelFormat;
    VIDEO_FORMAT_E      enVideoFormat;
    COMPRESS_MODE_E     enCompressMode;
    DYNAMIC_RANGE_E     enDynamicRange;
    COLOR_GAMUT_E       enColorGamut;
    HI_U32              u32HeaderStride[3];
    HI_U32              u32Stride[3];
    HI_U32              u32ExtStride[3];

    HI_U64              u64HeaderPhyAddr[3];
    HI_U64              u64HeaderVirAddr[3];
    HI_U64              u64PhyAddr[3];
    HI_U64              u64VirAddr[3];
    HI_U64              u64ExtPhyAddr[3];
    HI_U64              u64ExtVirAddr[3];

    HI_S16              s16OffsetTop;        /* top offset of show area */
    HI_S16              s16OffsetBottom;    /* bottom offset of show area */
    HI_S16              s16OffsetLeft;        /* left offset of show area */
    HI_S16              s16OffsetRight;        /* right offset of show area */

    HI_U32              u32MaxLuminance;
    HI_U32              u32MinLuminance;

    HI_U32              u32TimeRef;
    HI_U64              u64PTS;

    HI_U64              u64PrivateData;
    HI_U32              u32FrameFlag;     /* FRAME_FLAG_E, can be OR operation. */
    VIDEO_SUPPLEMENT_S  stSupplement;
} VIDEO_FRAME_S;

typedef struct hiVIDEO_FRAME_INFO_S {
   
    VIDEO_FRAME_S stVFrame;
    HI_U32        u32PoolId;
    MOD_ID_E      enModId;
} VIDEO_FRAME_INFO_S;

VIDEO_FRAME_INFO_S stFrameSrc[CH_COUNT_RECTIFY] = {
   {
   0}, {
   0}};

  HI_MPI_VPSS_GetChnFrame(vpssGrp[i], vpssChn[i], &stFrameSrc[i], s32MilliSec);//采集原始图像

	IVE_EQUALIZE_HIST_CTRL_S stCtrl = {
   
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值