• 图像处理gamma 矫正 及 人脸处理


    伽马变换

    伽马变换主要用于图像的校正,将灰度过高 或者 灰度过低的图片进行修正,增强对比度。变换公式就是对原图像上每一个像素值做乘积运算:

    伽马变换对图像的修正作用其实就是通过增强低灰度或高灰度的细节实现的,从伽马曲线可以直观理解:

    一句话解释:其实就是说,在人眼看来,亮度并不是线性变化的(对深色更敏感),所以需要做一个映射,来让人眼感觉色彩是均匀变化的。这个映射就是所谓的gamma校正。

    我们看下面这张图,左边在亮度上其实是均匀变化的,但是在我们人眼看来,深色数量远多于亮色。通过一个非线性校正后(右图),我们人眼看来就是均匀变化的了。这也就是gamma校正的目的

    实际测出来人眼需要的gamma值是2.2 

    如上图所示,为函数 f ( I ) = I γ的曲线表示:

    当γ < 1 时,为图中上方的虚线曲线,图中γ = 1 / 2.2

    当γ = 1 时,为图中间的直线,也就是f ( I ) = I 

    当γ > 1 时, 为图中下方的曲线实线,图中γ = 2.2 

    当γ ! = 1时,会将对I进行非线性的变换,对0,1两端的变换最小,对中间的变换最大。如果把图像0-255像素值,归一化到0-1, 带入进来,通过该变换,则可达到一定的效果:

    1)当γ < 1 时,图像中最亮(1)或者最暗(0)的像素保持不变,整体亮度会发生提升,像素值中间的部分效果最明显,用来处理比较暗的图片非常好

    2)当γ > 1 时,图像中最亮(1)或者最暗(0)的像素保持不变,整体亮度会发生降低,像素值中间的部分效果最明显,用来处理比较亮的图片非常好

    最后x255即可

    demo1

    import numpy as np
    
    def imadjust(img, in_range=[0, 1], out_range=[0, 1], gamma=1):
        # 默认参数和matlab中的默认参数相同
    
        low_in, high_in = in_range[0], in_range[1]
        low_out, high_out = out_range[0], out_range[1]
        # 百分比截断
        p1, p99 = np.percentile(img, (1, 99))
        img_out = np.clip(img, p1, p99)
    
        # 映射 参考https://stackoverflow.com/questions/39767612/what-is-the-equivalent-of-matlabs-imadjust-in-python
        img_out = (((img_out - low_in) / (high_in - low_in)) ** gamma) * (high_out - low_out) + low_out
    
        return img_out

    demo2

    import cv2
    import numpy as np
    import math
    import os
    
    def gamma_trans(img, gamma):  # gamma函数处理
        gamma_table = [np.power(x / 255.0, gamma) * 255.0 for x in range(256)]  # 建立映射表
        gamma_table = np.round(np.array(gamma_table)).astype(np.uint8)  # 颜色值为整数
        return cv2.LUT(img, gamma_table)  # 图片颜色查表。另外可以根据光强(颜色)均匀化原则设计自适应算法。
    
    def nothing(x):
        pass
    
    data_base_dir = r'./1'  # 输入文件夹的路径
    outfile_dir = r'./2'  # 输出文件夹的路径
    
    list = os.listdir(data_base_dir)
    list.sort()
    list2 = os.listdir(outfile_dir)
    list2.sort()
    for file in list:  # 遍历目标文件夹图片
        read_img_name = data_base_dir + '/' + file.strip()  # 取图片完整路径
        image = cv2.imread(read_img_name)  # 读入图片
        img_gray = cv2.imread(read_img_name, 0)  # 灰度图读取,用于计算gamma值
    
        mean = np.mean(img_gray)
        gamma_val = math.log10(0.5) / math.log10(mean / 255)  # 公式计算gamma
    
        image_gamma_correct = gamma_trans(image, gamma_val)  # gamma变换
    
        out_img_name = outfile_dir + '/' + file.strip()
        cv2.imwrite(out_img_name, image_gamma_correct)
        print("The photo which is processed is {}".format(file))
        

    r = 1/2.2 效果如下图

     

    参考资料:

    https://blog.csdn.net/qq_43426078/article/details/124035614  【图像处理】gamma校正

    https://zhuanlan.zhihu.com/p/267000923  OpenCV Gamma校正

    https://blog.csdn.net/kkae8643150/article/details/114078037  图像处理算法之Gamma校正

    https://www.cnblogs.com/ImageVision/archive/2012/04/16/2452671.html  人脸光照调整之Gamma校正    对 gamma 算法进行了改进 

    http://t.zoukankan.com/ybqjymy-p-13801650.html  OpenCV 图像增强(方法:伽马变换)

  • 相关阅读:
    【CF732D】Exams(线性扫描,贪心,二分)
    【CF652C】Foe Pairs(线性扫描)
    【CF645D】 Robot Rapping Results Report(拓扑排序,二分)
    【BZOJ入门3189】 猜数字(数学,搜索)
    【CF559C】 Gerald and Giant Chess(计数,方案数DP,数论)
    【NOIP2016练习&BZOJ2125】T3 sp (树上倍增,最短路)
    【NOIP2016练习】T2 forest (树形DP,数论)
    【NOIP2016练习】T2 花花的聚会 (树形DP,倍增)
    【CF713C】Sonya and Problem Wihtout a Legend(离散化,DP)
    js函数知识点
  • 原文地址:https://www.cnblogs.com/yanshw/p/16567584.html
Copyright © 2020-2023  润新知