引言

我有一张绝美的蓝毛女子，奈何她看起来太过悲伤，我想让画面明亮一点。

我要使用自适应gamma。

自适应 Gamma（Adaptive Gamma Correction） 是一种图像增强技术，用于根据图像的亮度分布动态地调整伽玛值（gamma），以增强图像的亮度、对比度或细节，特别是暗部区域的细节。

✅ 先看普通 Gamma 校正

普通 Gamma 校正 是一种非线性亮度变换，用公式表达如下：

$$ I_{\text{out}} = I_{\text{in}}^{\gamma} $$

γ < 1：增强暗部，图像变亮
γ > 1：抑制亮部，图像变暗

但普通 gamma 是固定的，不能针对图像内容自适应。

🧠 自适应 Gamma 的核心思想

根据图像的亮度分布（如直方图或累积分布函数 CDF），为不同亮度区域设计不同的 γ 值，使图像暗部增强、亮部不过曝。

一种典型策略是：

$$ \gamma(x) = 1 - \text{CDF}(x) $$

CDF 是图像灰度直方图的累积分布函数，反映每个亮度值在图像中出现的“亮度百分位”。
暗部像素的 CDF 值小（例如 0.1），那么 γ ≈ 0.9 → 增强亮度。
亮部像素的 CDF 值大（例如 0.9），那么 γ ≈ 0.1 → 抑制亮度。

🔬 图像增强过程简述

把图像转为灰度图。
计算直方图 → 得到 CDF。
使用 gamma = 1 - CDF 为每个亮度值生成一张查找表（LUT）。
用这张 LUT 对每个像素应用自适应 γ 校正。

🎯 优势

暗图提亮：自动把黑暗区域提亮。
防止过曝：亮部区域不会被压得太亮或太白。
无须手动调 γ：不需要人为选择参数，适合图像预处理。

📌 举例代码片段（关键行）

1
2
3
4
5
6
7
# 计算灰度图直方图
hist = cv2.calcHist([gray], [0], None, [256], [0, 1])
cdf = hist.cumsum() / hist.sum()

# 自适应 gamma LUT
gamma_lut = 1.0 - cdf
lut = np.power(np.linspace(0, 1, 256), gamma_lut)

🧩 自适应 Gamma 的应用场景

图像预处理（比如 OCR、医学图像）
黑暗图像增强（如夜拍）
对比度提升
HDR 映射替代方案

实践

上面是gpt的解释，跟着它做吧。

🟫 1. 灰度图（grayscale image）

灰度图是一个只有亮度信息的图像，每个像素值范围在 [0, 255]（8位）或 [0.0, 1.0]（归一化后）。

灰度值越大像素越亮。

1
2
img = cv2.imread('181.jpg').astype(np.float32) / 255.0
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

📊 2. `hist` —— 直方图（Histogram）

直方图是表示图像中像素亮度分布的统计图。它统计每个灰度值出现了多少次：

横轴：灰度值（0~255）
纵轴：该灰度值在图像中出现的次数

1
hist = cv2.calcHist([gray], [0], None, [256], [0, 1])

全暗的像素这也太多了，不过是没问题的

📈 3. `cdf` —— 累积分布函数（Cumulative Distribution Function）

CDF 是直方图的“累加和归一化”形式。也就是说：

1
cdf = hist.cumsum() / hist.sum()

含义：

hist.cumsum() 是每个灰度等级以下像素的总数（累加）
除以 hist.sum() 是为了归一化到 [0, 1]

✅ 4. 自适应 Gamma 校正

1
2
gamma_lut = 1.0 - cdf
lut = np.power(np.linspace(0, 1, 256), gamma_lut).clip(0, 1)

解释：

明亮区域的 cdf 值大 → gamma 趋近于 0 → x^0 = 1 → 亮度抬得少
黑暗区域的 cdf 值小 → gamma 趋近于 1 → x^1 = x → 亮度提升大

→ 所以 1 - cdf 作为 gamma，就是根据图像暗亮分布，自动调节亮度的程度，叫 自适应 Gamma 修正。

在心里用y=x对比发现所有像素都要变亮

✅ 将自适应 gamma 校正应用到每个颜色通道（B、G、R）

详细解释如下：

🔧 函数：`apply_gamma(img, lut)`

1
2
3
def apply_gamma(img, lut):
    img_255 = (img * 255).astype(np.uint8)
    return cv2.LUT(img_255, (lut * 255).astype(np.uint8)).astype(np.float32) / 255.0

这段函数的每一步做了什么？

img * 255 将归一化的图像值 [0.0, 1.0] 变回 [0, 255] 的整数像素值。
cv2.LUT(img_255, lut) 用 OpenCV 的查找表（LUT）函数对每个像素值进行 gamma 映射。也就是说，每个像素值 x 被替换成 lut[x]，实现非线性亮度调整。
.astype(np.float32) / 255.0 再次将输出结果归一化回 [0.0, 1.0]，以便后续继续使用浮点图像。

🎨 应用到每个通道（R、G、B）

1
2
3
result = np.zeros_like(img)
for c in range(3):
    result[..., c] = apply_gamma(img[..., c], lut)

这部分表示：

对输入图像的每个颜色通道（0:蓝，1:绿，2:红）分别执行 apply_gamma
把每个通道调整后的结果，保存进 result 图像中。

📌 总结一句话：

你这段代码 把根据亮度直方图计算出的自适应 Gamma 映射 LUT 应用到每个颜色通道上，从而实现自动亮度增强/抑制，让整张图更清晰自然。

完了

会不会太亮了，能怎么改

引言