감마 변환 OpenCV의 이미지 처리

수입 CV2의
 수입 순이익 NumPy와 같은 
IMG = cv2.imread ( ' 4.jpg ' )
 DEF adjust_gamma (화상 감마 = 1.0 ) : 
    invGamma = 1.0 / 감마 
    테이블 = []
     에 대한 I 의 범위 (256 ) : 
        table.append (( (I / 255.0) invGamma **) * 255 ) 
    표 = np.array (표) .astype ( " UINT8 " )
     복귀 cv2.LUT (이미지, 테이블) 

img_gamma = adjust_gamma (IMG, 2 ) 
cv2.imshow를 ( "IMG " , IMG) 
cv2.imshow ( " img_gamma " , img_gamma) 

키 = cv2.waitKey ()
 의 경우 키 == 27 : 
    cv2.destroyAllWindows ()

상술 한 LUT, 아마이 매우 전문적이고 매우 깊은 단어라고 생각됩니다 많은 사람들이, LUT 표 (색상 검색 표)를 봐 실제로 약자로, 이해 간단한 작은이 있습니다 : LUT를 통해, 우리가 할 수있는 출력 RGB 값의 집합 RGB 값의 다른 세트, 따라서, 노광 및 색 변경 화면. 색 정보를 변경할 수있는 데이터 입력의 행렬을 포함 LUT 파일. LUT 동작 자체이므로, 데이터, 즉 하나 개의 관계, 이에 대응하는 검색의 출력값에 각각의 입력 값이 대응 관계에 따라 상기 시스템에 대한 하나의 입력 및 출력 데이터의 단순한 시리즈를 포함하는 실행되지 이유는 변환을 완료 할 수 있습니다뿐만 아니라 LUT는 기본적으로 CPU 리소스를 사용하지 않습니다.
원본 링크 : HTTPS : //blog.csdn.net/weixin_42171170/article/details/94473176

상술 한 LUT, 아마이 매우 전문적이고 매우 깊은 단어라고 생각됩니다 많은 사람들이, LUT 실제로 약자 조회 테이블 (색상 검색 표)는, 이해 간단한 작은이 있습니다 : LUT를 통해, 당신이 할 수있는 출력 RGB 값의 집합 RGB 값의 다른 세트, 따라서, 노광 및 색 변경 화면. 이해하기 위해 우리를 간단한 모델을하는 데 도움이 사용하는 것은 이것이다 :

우리가 규정하는 경우 :

R 0 때의 원래 값, R (5)의 출력 값;

경우 R (1)의 원래 값 (6)의 R 값 출력;

경우 R (2)의 원래 값, R (8)의 출력 값;

경우 R 3의 원래 값 (10)의 R 값 출력;

...

R은 255까지이고

G 0의 원래 값, G는 출력 (10) 인 경우;

경우 G (1)의 원래 값, G (12)의 출력값;

경우 G (2)의 원래 값, G (13)의 출력값;

경우 G (3)의 원래 값, G (15)의 출력값;

...

G는 255까지이다

경우 B 0의 원래 값, B의 출력값이 0이고;

B (1)의 원래 값, B가 0 출력 인 경우;

원래 B가 2 인 경우, 출력값 B 1;

(3) B 값은 원래, 출력 B는 1이고;

...

B는 255까지이다

그리고, 출력값 후 픽셀 RGB (1,2,3),이 LUT는 (6,13,1) RGB 인 적용시, 우리는 RGB 출력으로 모든 원본 RGB 값을 넣을 수 값. 물론, 더 복잡한 것보다 실제 3D LUT 변환 알고리즘이다.

원본 링크 : HTTP : //www.sohu.com/a/230989286_252971

참조 기사가 있습니다 :은 https : //blog.csdn.net/Rothwale/article/details/79189032

감마 변환 OpenCV의 이미지 처리

추천