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校正是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系：
[2]
这个指数即为Gamma.
经过Gamma校正后的输入和输出图像灰度值关系如图1所看到的：横坐标是输入灰度值，纵坐标是输出灰度值，蓝色曲线是gamma值小于1时的输入输出关系，红色曲线是gamma值大于1时的输入输出关系。能够观察到，当gamma值小于1时(蓝色曲线)，图像的总体亮度值得到提升，同一时候低灰度处的对照度得到添加，更利于分辩低灰度值时的图像细节。
图1 Gamma校正.
二、为什么进行Gamma校正？
1. 人眼对外界光源的感光值与输入光强不是呈线性关系的，而是呈指数型关系的。在低照度下，人眼更easy分辨出亮度的变化，随着照度的添加，人眼不易分辨出亮度的变化。而摄像机感光与输入光强呈线性关系。如图2所看到的：
图2 人眼和摄像机的感光与实际输入光强的关系[1]。
为方便人眼辨识图像，须要将摄像机採集的图像进行gamma校正。
2. 为能更有效的保存图像亮度信息，需进行Gamma校正。
未经gamma校正和经过gamma校正保存图像信息如图3所看到的：
图3 未经gamma校正和经过gamma校正保存图像信息.
能够观察到，未经gamma校正的情况下，低灰度时，有较大范围的灰度值被保存成同一个值，造成信息丢失；同一时候高灰度值时，非常多比較接近的灰度值却被保存成不同的值，造成空间浪费。经过gamma校正后，改善了存储的有效性和效率。
三、利用OpenCV实现的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;
}
}
}