參考：[1] http://www.cambridgeincolour.com/tutorials/gamma-correction.htm

[2] http://en.wikipedia.org/wiki/Gamma_correction

?

一、什么是Gamma校正？

Gamma校正是對輸入圖像灰度值進行的非線性操作，使輸出圖像灰度值與輸入圖像灰度值呈指數關系：

[2]

這個指數即為Gamma.

經過Gamma校正后的輸入和輸出圖像灰度值關系如圖1所看到的：橫坐標是輸入灰度值，縱坐標是輸出灰度值，藍色曲線是gamma值小于1時的輸入輸出關系，紅色曲線是gamma值大于1時的輸入輸出關系。能夠觀察到，當gamma值小于1時(藍色曲線)，圖像的總體亮度值得到提升，同一時候低灰度處的對照度得到添加，更利于分辯低灰度值時的圖像細節。

??????????????????????????????????????????????????????????????????????????????? 圖1 Gamma校正.

?

二、為什么進行Gamma校正？

1. 人眼對外界光源的感光值與輸入光強不是呈線性關系的，而是呈指數型關系的。在低照度下，人眼更easy分辨出亮度的變化，隨著照度的添加，人眼不易分辨出亮度的變化。而攝像機感光與輸入光強呈線性關系。如圖2所看到的：

圖2 人眼和攝像機的感光與實際輸入光強的關系[1]。

為方便人眼辨識圖像，須要將攝像機採集的圖像進行gamma校正。

?

2. 為能更有效的保存圖像亮度信息，需進行Gamma校正。

未經gamma校正和經過gamma校正保存圖像信息如圖3所看到的：

圖3 未經gamma校正和經過gamma校正保存圖像信息.

能夠觀察到，未經gamma校正的情況下，低灰度時，有較大范圍的灰度值被保存成同一個值，造成信息丟失；同一時候高灰度值時，非常多比較接近的灰度值卻被保存成不同的值，造成空間浪費。經過gamma校正后，改善了存儲的有效性和效率。

?

三、利用OpenCV實現的Gamma校正

      void MyGammaCorrection(Mat& src, Mat& dst, float fGamma)
{
	CV_Assert(src.data);

	// accept only char type matrices
	CV_Assert(src.depth() != sizeof(uchar));

	// build look up table
	unsigned char lut[256];
	for( int i = 0; i < 256; i++ )
	{
		lut[i] = saturate_cast<uchar>(pow((float)(i/255.0), fGamma) * 255.0f);
	}

	dst = src.clone();
	const int channels = dst.channels();
	switch(channels)
	{
		case 1:
			{

				MatIterator_<uchar> it, end;
				for( it = dst.begin<uchar>(), end = dst.end<uchar>(); it != end; it++ )
					//*it = pow((float)(((*it))/255.0), fGamma) * 255.0;
					*it = lut[(*it)];

				break;
			}
		case 3: 
			{

				MatIterator_<Vec3b> it, end;
				for( it = dst.begin<Vec3b>(), end = dst.end<Vec3b>(); it != end; it++ )
				{
					//(*it)[0] = pow((float)(((*it)[0])/255.0), fGamma) * 255.0;
					//(*it)[1] = pow((float)(((*it)[1])/255.0), fGamma) * 255.0;
					//(*it)[2] = pow((float)(((*it)[2])/255.0), fGamma) * 255.0;
					(*it)[0] = lut[((*it)[0])];
					(*it)[1] = lut[((*it)[1])];
					(*it)[2] = lut[((*it)[2])];
				}

				break;

			}
	}
}