图形 2.6 伽马校正

原创 已于 2024-08-15 17:49:30 修改 · 3.1k 阅读 · 23 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#图形学

于 2021-09-14 10:15:06 首次发布

参考视频：图形 2.6 伽马校正
Gamma校正与线性工作流入门讲解
在这里插入图片描述
gamma本质上是对输入值用指数函数进行映射。（如gamma2.2就是f(x)=x^2.2的意思）
gamma矫正原因：人眼感受到的光强变化和实际的变化不一致
（上面是人眼感受到的均匀的灰阶，下图是物理上均匀变化的灰阶）

所以需要一条gamma曲线将物理灰阶转换为美术灰阶。如下图所示，
X轴为物理光强线性增加的灰阶，y轴是人眼感受到的均匀的灰阶（实际上是非线性的）

__
我们的显示器基本遵循着SRGB标准，SRGB标准位于gamma2.2空间，相当于数据在经过显示器显示之前会经过一次gamma2.2函数压缩（变暗），因此为了抵消显示器的gamma2.2效果，所以在导出bmp/jpg/png等格式的图片时会经过一次gamma0.45变换（变亮），这样做也能存储更多的暗部信息。图片经过gamma0.45（gamma矫正）变换后存储在磁盘中，读取时经过显示器gamma2.2（degamma）变换，两次gamma正好抵消，就能得到原始的图片颜色数据
——
ps中，8位每通道模式为非线性空间，相当于在gamma2.2（下压曲线）中，横坐标为ps里输入的数据，纵坐标为实际光能量。因此可以看到（0.5，0.5，0.5）实际对应的是光能量为0.2的“美术中灰”。
32位每通道为

最低0.47元/天 解锁文章
Gamma Correction/Gamma校正/灰度校正/亮度校正 - 部分 DCC 中的线性工作流配置
Jave.Lin 的学习笔记
12-28 1万+
通过上面的 RenderDoc 抓帧分析 ： gamma 和 linear 的区别我们可以得知sRGB 颜色空间是 色域范围定义的一种，原始线性空间颜色要转换到这个颜色空间，需要 pow(color, 1.0/2.2) 的，sRGB 颜色空间转到 线性空间，就是反过来 pow(color, 2.2)sRGB 格式贴图。
南京观海微电子-- gamma
m0_72563973的博客
12-22 3086
没有经过Gamma矫正的设备会影响最终输出图像的颜色亮度，比如一种颜色由红色和绿色组成，红色的亮度为50%，绿色的亮度为25%，如果一个未经过Gamma矫正的CRT显示器的Gamma值是2.5，那么输出结果的亮度将分别为18%和3%，其亮度大大的降低了。N=灰阶，这相当于一个小数的几次幂，幂越大，值反而小，故Gamma2.2比2.0的值要小，故2.0更亮些。> 由于我们在程序中设置的颜色值是线性的，但实际表现出来的却是非线性的，或者说是不理想的，如果我们想表达出理想中的颜色，就要对即将显示的颜色进行校正，
从 0 到 1 读懂 Gamma 校正
最新发布
专注于 Qt/C++ 应用开发和机器视觉领域的开源项目分享。期待与您共同进步！
10-13 791
本文介绍了工业视觉中Gamma校正的作用与调整方法。Gamma参数（γ）描述了输入信号到亮度输出的非线性关系，通过调整γ值可以平衡人眼感知与设备显示的差异。文章详细解析了γ<1、γ=1和γ>1对图像的影响，并提供了工业相机的两种Gamma设置模式（用户自定义和sRGB标准）。针对不同应用场景（如低照环境、高对比度、条码识别等）给出了Gamma调参建议，强调了需结合直方图、灰阶卡等工具评估效果。最后指出常见误区，如混淆Gamma与曝光、过度追求视觉效果等，并解答了三个高频问题，帮助读者在工业视觉任
计算两幅图像的gamma曲线_液晶屏幕的Gamma学习、思考总结
weixin_39942488的博客
11-21 3525
1.什么是Gamma？Gamma的概念源自于CRT响应曲线，最开始是用于反映显像管的图像亮度与输入电子枪的信号电压之间，非线性关系的一个参数。对于CRT显示器而言，电子流大小影响显示的图像亮度大小，而电子流大小与输入电压间成指数关系，图1所示：图1因此，简单地说，Gamma是用来表征显示器亮度响应特性的一个参数。通常CRT显示器的显示亮度与输入电平的关系接近一条曲线，图2所示；水平方向表示输入的电...
Gama校正
weixin_51327051的博客
02-21 2659
颜色空间 颜色范围差不多，主要区别是传递函数不同。 传递函数 将空间下三原色的值转换成视频信号 。包含两部分：OETF（光转电传递函数），EOTF（电转光传递函数）。即gama校正使用的函数。 Gama校正 指对线性三色值和非线性视频信号之间进行编码和解码的操作。 图像经过gamma编码存储在硬盘中，将获取到的物理数据做一次gamma值约为0.45的映射，这样的过程叫做gamma编码。由曲线可知，此时图像的像素比实际物理像素要更亮。在显示图像时，需要将每个像素做一次gamm.
Gamma校正
fhy567888的博客
03-18 5853
其中A为常量，通常为1，而γ分为解码伽马值和加码伽马值，前者通常为2.2，后者通常为-2.2 人眼对于较暗（接近0）的亮度值比较敏感，对于较亮（接近1）的亮度值则不太敏感。进行伽马矫正的原因是人类的眼睛在感知光线时，眼睛对亮度的感知遵循近似的幂函数（如图），而不是线性函数。当gamma>1，高光部分动态范围被压缩，低光部分动态范围被扩展(使低光部分的细节可以看清)，图像整体变暗；当gamma
百人计划 图形 2.6 伽马校正
qq_44514761的博客
09-06 232
颜色空间 在2.1中
有生之年转ta系列 2.6 伽马校正
a15945905187的博客
07-21 432
本文内容来自 【技术美术百人计划】图形 2.6 伽马校正 观后记录 美术岗位代码或者算法一类的问题可能不太懂 本文仅用来记录学习，如果有不对的请指出谢谢 图形部分 第二章 伽马校正 颜色空间 色度图 传递/转换函数 用来把颜色的点信号转换成看得见的光信号 1.Gamma校正 gamma简单定义 VoutV_{out}Vout​=VingammaV_ {in^{gamma}}Vingamma​ gamma校正是指对线性三色值和非线性视频信号之间进行编码和解码的操作 图像经过gamma编码存储在硬盘中，
图形学基础——伽马校正
whitebreeze的博客
05-25 2349
Gamma矫正 颜色空间 (具体内容在之前的文章有讲) sRGB
gama校正代码
03-17
本代码可以实现图像的伽马校正，个人编写的matlab代码
伽玛校正
heyuchang666的专栏
09-22 1681
所谓伽玛校正就是对图像的伽玛曲线进行编辑，以对图像进行非线性色调编辑的方法，检出图像信号中的深色部分和浅色部分，并使两者比例增大，从而提高图像对比度效果。计算机绘图领域惯以此屏幕输出电压与对应亮度的转换关系曲线，称为伽玛曲线（Gamma Curve）。
伽马矫正(Gamma Correction)
记录值得记录的东西
06-07 3384
伽玛校正
2.6 伽马校正 一、Gamma校正
s178435865的专栏
08-02 793
2.6 伽马校正 一、Gamma校正
浅谈GAMMA校正
Animate_Deng
10-31 2643
浅谈GAMMA校正 做图像处理时需要弱化光照影响。发现Gamma校正有效果，但也仅限于知道有这个指数关系，查阅了一些博客和网站，现整理如下。 1 关于人眼和计算机 人眼对暗部细节比较敏感。 人眼不同于摄像机，接收光子来感知光线。比如：在一间小黑屋中每增加一盏灯，摄像机都能线性增加亮度。但是人眼在黑暗时增加一盏灯时感受明显，往后随着灯的个数增长人眼并不会有明显感受。如果将实验做成图表，如下图...
C实现RGB32 Gama校正
MikeDai的博客
03-22 1158
C实现Gama变换 原理： Gama变换也幂变换，公式如下： s=cr^γ 输入r与s的变换关系如下图： 上图中，横坐标0附近对应于输入图像中的黑色像素值，纵坐标中0附近对应于输出图像中黑色像素值。由上图可以看出，当γ<1时，Gama变换将输入图像中0值邻域拉伸了，相反，当γ>1时Gama变换将输入图像中0值邻域缩小了。当γ=1时，为恒同变换。上图中，γ=1两边的变换互为逆映射，如
【TA100】图形 2.6伽马（Gamma）校正
weixin_45810196的博客
06-08 3142
● 一些颜色空间的举例，（具体参考2.1节内容）● 图中可以看到，sRGB和Rec.709的色域是差不多的，三原色的位置是相同的，那么它们之间的区别就是：传递函数不同。
FPGA 伽马校正算法实现
qq_37227603的博客
06-19 1700
为伽马矫正前Y通道输入数据，r为伽马矫正指数，若像素值处于暗处区域，则n取暗处区域最大值，若像素值处于亮处区域，则n取亮处区域最小值；以上为伽马校正查找表代码，根据优化我们可以把亮部放入一个ROM中，暗部放入一个ROM中，如图所示。主要通过查找表的方式用ROM来实现。为伽马矫正后Y通道输出数据，Matlab仿真曲线如图所示。
逆伽马校正
03-22
<think>好的，我现在需要处理用户关于逆伽马校正的问题。首先，我得确认用户的需求。用户已经了解伽马校正，现在想了解逆伽马校正的概念、应用和实现方法。首先，我应该回顾伽马校正的基础知识，确保自己对逆伽马校正的理解正确。 根据引用[2]，伽马校正是为了调整图像的伽马曲线，校正显示设备的非线性响应。伽马校正的公式通常是$V_{out} = V_{in}^\gamma$，其中$\gamma$值决定校正的类型。当$\gamma > 1$时，图像变暗；当$\gamma < 1$时，图像变亮。而逆伽马校正应该是指相反的过程，即如果原校正用了某个$\gamma$值，逆过程则使用其倒数，比如用$1/\gamma$来恢复原始线性值。 但实际应用中，逆伽马校正可能并不是简单的取倒数。例如，在图像处理流程中，当图像已经被伽马编码后，进行某些线性操作（如滤波）之前，可能需要先进行逆伽马校正，将像素值转换回线性空间，处理后再重新应用伽马校正。这部分需要查证是否正确，确保引用的准确性。 接下来，应用场景方面，用户可能遇到的情况包括：图像恢复、颜色校正、计算机视觉中的预处理等。例如，在图像增强中，如果之前应用过伽马校正导致图像过亮或过暗，可能需要逆过程来调整。另外，在深度学习的图像处理中，输入数据可能需要线性化的处理，这时候逆伽马校正就派上用场了。 实现方法方面，逆伽马校正的公式应该是$V_{out} = V_{in}^{1/\gamma}$。但需要注意，通常在数字图像中，像素值会被归一化到0到1之间，应用幂函数后需要重新量化到0-255的范围。同时，处理过程中可能会引入精度损失，需要考虑如何避免或减少这种情况。例如，使用浮点数计算后再转换为整数。 我还需要检查是否有引用支持这些观点。引用[2]提到伽马校正用于调整对比度，那么逆伽马校正可能用于恢复原始线性数据，但具体引用中没有直接提到逆伽马校正。可能需要结合伽马校正的原理来推导逆过程，并指出这是基于伽马校正的逆操作，但需要明确说明这是否是标准做法，或者是否有其他注意事项。 此外，用户提供的引用中还提到了直方图均衡化[3][4]，这可能与逆伽马校正在对比度调整方面的应用有关联，但需要区分两者的不同。直方图均衡化是重新分布像素强度，而伽马校正则是非线性调整。 最后，代码实现部分，用户可能需要Python的示例。需要展示如何对图像应用逆伽马校正，包括读取图像、归一化、应用幂函数、反归一化等步骤。同时，提醒用户注意参数调整，比如选择适当的$\gamma$值，可能需要根据具体情况调整。 总结一下，回答的结构应该是：解释逆伽马校正的概念，其与伽马校正的关系，应用场景，实现方法，并附上代码示例。同时，生成相关问题以引导用户深入学习。</think>### 逆伽马校正的概念与应用 逆伽马校正（Inverse Gamma Correction）是伽马校正的逆向操作，主要用于恢复图像在伽马编码前的线性亮度值。伽马校正最初用于补偿显示设备的非线性响应特性，而逆伽马校正则用于在特定场景下还原线性光强数据[^2]。 #### 1. **原理与公式** - **伽马校正**的公式为： $$V_{\text{out}} = V_{\text{in}}^\gamma$$ 其中$\gamma$是校正参数（通常$\gamma \approx 2.2$）。 - **逆伽马校正**的公式为： $$V_{\text{out}} = V_{\text{in}}^{1/\gamma}$$ 通过取$\gamma$的倒数，将非线性编码的像素值还原为线性空间的值。 #### 2. **应用场景** - **图像预处理**：在计算机视觉中，若需对图像进行线性运算（如滤波、光照模拟），需先将伽马编码后的图像还原为线性值[^2]。 - **颜色校正**：当需要匹配不同设备的色彩表现时，需通过逆伽马校正统一色彩空间。 - **图像恢复**：若图像因伽马校正导致对比度失真，可通过逆操作调整后再重新编码。 #### 3. **实现方法（Python示例）** ```python import numpy as np import cv2 def inverse_gamma_correction(img, gamma=2.2): # 归一化到[0,1]并应用逆伽马变换 linear_img = np.power(img / 255.0, 1/gamma) # 反归一化并转换为8位图像 return np.uint8(linear_img * 255) # 读取图像并应用逆伽马校正 image = cv2.imread('input.jpg', cv2.IMREAD_COLOR) corrected_image = inverse_gamma_correction(image) cv2.imwrite('output.jpg', corrected_image) ``` #### 4. **注意事项** - **参数选择**：需根据原始伽马编码的参数选择$\gamma$，否则可能导致过亮或过暗。 - **精度损失**：多次伽马和逆伽马操作会累积量化误差，建议在浮点空间处理。 ---
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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