图像处理之Gamma校正

简介: 图像处理之Gamma校正

基于查找表的快速Gamma校正


在图像预处理中经常通过Gamma校正实现像素修正,常见的Gamma校正是按照公式


对每个像素进行校正,这样做对一张图片还好,当你有大量图片需要做相同处理的时


候计算量就会变得很大,这个时候可以通过建立查找表,然后根据查找表映射实现快


速的Gamma校正。Gamma校正的数学公式如下:


20160411100111959.png


gamma的取值范围为0.05~5之间。


其中P(x,y)表示每个像素值,对每个像素进行Gamma校正之后就得到了处理后的图像。整


个处理流程如下:


1.      读取输入图像的像素数据


2.      根据公式建立查找表(LUT)映射


3.      根据每个像素值映射到查找表中Gamma校正后的像素值


4.      输出处理之后的图像像素数据


彩色图像需要对各个通道实现上述处理,灰度图像只要单通道处理即可。


Gamma校正的效果如下:

20160411100210589.png



源代码如下:

package com.gloomyfish.filter.study;
 
import java.awt.image.BufferedImage;
 
public class GammaFilter extends AbstractBufferedImageOp {
  private int[] lut;
  private double gamma;
 
  public GammaFilter() {
    this.lut = new int[256];
    this.gamma = 0.5;
  }
 
  @Override
  public BufferedImage filter(BufferedImage src, BufferedImage dst) {
    int width = src.getWidth();
    int height = src.getHeight();
 
    if (dst == null)
      dst = createCompatibleDestImage(src, null);
    
    // Gamma correction
    int[] inPixels = new int[width * height];
    int[] outPixels = new int[width * height];
    getRGB(src, 0, 0, width, height, inPixels);
    setupGammaLut();
    int index = 0;
    for (int row = 0; row < height; row++) {
      int ta = 0, tr = 0, tg = 0, tb = 0;
      for (int col = 0; col < width; col++) {
        index = row * width + col;
        ta = (inPixels[index] >> 24) & 0xff;
        tr = (inPixels[index] >> 16) & 0xff;
        tg = (inPixels[index] >> 8) & 0xff;
        tb = inPixels[index] & 0xff;
        outPixels[index] = (ta << 24) | (lut[tr] << 16) | (lut[tg] << 8) | lut[tb];
      }
    }
    
    // 返回结果
    setRGB(dst, 0, 0, width, height, outPixels);
    return dst;
  }
 
  private void setupGammaLut() {
    for (int i = 0; i < 256; i++) {
      lut[i] = (int) (Math.exp(Math.log(i / 255.0) * gamma) * 255.0);
    }
 
  }
}

业精于勤,荒于嬉;行成于思,毁于随

相关文章
|
网络协议 安全 Unix
Linux下的samba服务配置详解
Linux下的samba服务配置详解
709 1
|
6月前
|
人工智能 智能硬件
吃碗面的功夫,我随口用“灵光”搓出一个有8大功能的app,还不止(含三大应用解锁)
法思诺创新学院关注AI赋能实体产业。本文通过体验蚂蚁集团“灵光”AI,展示其快速生成英语学习APP、智能音箱界面及3D模型的能力,尤其“闪应用”与“灵光开眼”在企业研发、培训中的潜力,探讨AI从虚拟走向物理世界的关键突破。
1218 2
|
Ubuntu Linux 内存技术
Linux下使用alsamixer配置系统默认的声卡设备(默认音频输出设备、输入设备、系统音量)
Linux下使用alsamixer配置系统默认的声卡设备(默认音频输出设备、输入设备、系统音量)
6652 0
Linux下使用alsamixer配置系统默认的声卡设备(默认音频输出设备、输入设备、系统音量)
|
人工智能 安全
使用Gateway with Inference Extension对接内容安全实现生成式AI内容审查
通过插入External Processing插件,Gateway with Inference Extension可对接阿里云内容安全,实现生成式AI输出的内容审查,确保AI应用合法合规。需先搭建环境并开通文本审核服务,再部署插件及配置策略,最后验证审查效果。
|
5月前
|
存储 小程序 前端开发
开源版婚恋社交系统:基于PHP开发,集成实时音视频匹配、IM聊天、邀约组局与红娘管理模块的小程序!
系统基于uni-app+PHP全开源架构,支持1V1音视频、IM聊天、兴趣组局、红娘匹配等功能,覆盖都市社交、线上相亲、线下活动等多元场景,助力高效交友与婚恋服务,跨端兼容,灵活二开。
469 1
|
人工智能 云计算 开发者
南京大学与阿里云联合启动人工智能人才培养合作计划,已将通义灵码引入软件学院课程体系
近日,南京大学与阿里云宣布启动人工智能人才培养合作计划,共同培养适应未来技术变革、具备跨学科思维的AI创新人才。
|
存储 缓存 数据安全/隐私保护
FGPA的简介及应用
FGPA的简介及应用
2354 2
|
机器学习/深度学习 JSON 算法
实例分割笔记(一): 使用YOLOv5-Seg对图像进行分割检测完整版(从自定义数据集到测试验证的完整流程)
本文详细介绍了使用YOLOv5-Seg模型进行图像分割的完整流程,包括图像分割的基础知识、YOLOv5-Seg模型的特点、环境搭建、数据集准备、模型训练、验证、测试以及评价指标。通过实例代码,指导读者从自定义数据集开始,直至模型的测试验证,适合深度学习领域的研究者和开发者参考。
6931 3
实例分割笔记(一): 使用YOLOv5-Seg对图像进行分割检测完整版(从自定义数据集到测试验证的完整流程)
|
存储 传感器 算法
相机标定系列---opencv相关标定算子
相机标定系列---opencv相关标定算子
672 0
|
JSON JavaScript 测试技术
【Docker项目实战】使用Docker部署PPTist在线演示文稿应用
【10月更文挑战第9天】使用Docker部署PPTist在线演示文稿应用
925 2
【Docker项目实战】使用Docker部署PPTist在线演示文稿应用

热门文章

最新文章