名字：零錢幣
借鑑大佬的
gamma校正原理：
假設影象中有乙個畫素，值是 200 ，那麼對這個畫素進行校正必須執行如下步驟：
1. 歸一化 ：將畫素值轉換為 0 ～ 1 之間的實數。 演算法如下 : ( i + 0. 5)/256 這裡包含 1 個除法和 1 個加法操作。對於畫素 a 而言 , 其對應的歸一化值為 0. 783203 。
2. 預補償 ：根據公式 , 求出畫素歸一化後的 資料以 1 /gamma 為指數的對應值。這一步包含乙個 求指數運算。若 gamma 值為 2. 2 , 則 1 /gamma 為 0. 454545 , 對歸一化後的 a 值進行預補償的結果就 是 0. 783203 ^0. 454545 = 0. 894872 。
3. 反歸一化 ：將經過預補償的實數值反變換為 0 ～ 255 之間的整數值。具體演算法為 : f*256 - 0. 5 此步驟包含乙個乘法和乙個減法運算。續前 例 , 將 a 的預補償結果 0. 894872 代入上式 , 得到 a 預補償後對應的畫素值為 228 , 這個 228 就是最後送 入顯示器的資料。
如上所述如果直接按公式程式設計的話，假設影象的解析度為 800*600 ，對它進行 gamma 校正，需要執行 48 萬個浮點數乘法、除法和指數運算。效率太低，根本達不到實時的效果。
針對上述情況，提出了一種快速演算法，如果能夠確知影象的畫素取值範圍 , 例如 , 0 ～ 255 之間的整數 , 則影象中任何乙個畫素值只能 是 0 到 255 這 256 個整數中的某乙個 ; 在 gamma 值 已知的情況下 ,0 ～ 255 之間的任一整數 , 經過「歸一 化、預補償、反歸一化」操作後 , 所對應的結果是唯一的 , 並且也落在 0 ～ 255 這個範圍內。
如前例 , 已知 gamma 值為 2. 2 , 畫素 a 的原始值是 200 , 就可求得 經 gamma 校正後 a 對應的預補償值為 228 。基於上述原理 , 我們只需為 0 ～ 255 之間的每個整數執行一次預補償操作 , 將其對應的預補償值存入乙個預先建立的 gamma 校正查詢表 (lut:look up table) , 就可以使用該錶對任何畫素值在 0 ～ 255 之 間的影象進行 gamma 校正。
簡單的個人總結（不一定對）
對於影象上直觀的看
gamma越小灰度值越大
gamma越大灰度值越小
0是黑，255是白
gamma操作
給你乙個畫素在0-255中間
首先先進行歸一化轉換成0-1中間的數
然後預補償指定乙個gamma值，這個gamma是指數，歸一化的資料是底數
的出來乙個還是0-1的乙個數
然後進行反歸一化，把這個值轉換成0-255的
gamma校正 伽馬校正的GLSL實現
本文是opengl 4.0 shading language cookbook的學習筆記。在本文我們將介紹使用伽馬校正來提高渲染的影象質量。許多關於opengl和3d圖形學的書會把伽馬校正忽略掉。光照和著色計算的結果沒有修改直接被輸出到螢幕上。這樣產生的影象可能並不是我們期望的。實際上，計算機顯示器...
HOG引數簡介及Hog特徵維數的計算
1.hog運算元 2.hog引數簡介及hog特徵維數的計算 3.hog引數簡介及hog特徵維數的計算 梯度直方圖特徵 hog 是一種對影象區域性重疊區域的密集型描述符 它通過計算區域性區域的梯度方向直方圖來構成特徵。hog特徵結合 svm分類器已經被廣泛應用於影象識別中，尤其在行人檢測中獲得了極大的...
HOG特徵的視覺化
方向梯度直方圖 histogram of oriented gradient,hog 特徵是一種在計算機視覺和影象處理中用來進行物體檢測的特徵描述子。hog特徵通過計算和統計影象區域性區域的梯度方向直方圖來構成特徵。近來做 時，為了直觀的看到hog特徵，更好的理解其含義，特地對hog特徵進行了視覺化...