【短道速滑二】古老的基于亮度平均值的自动Gamma校订算法。

　　在github上搜索代码Auto Gamma Correction，找到一个比较古老的代码，详见：https://github.com/PedramBabakhani/Automatic-Gamma-Correction，配套的代码使用VHDL语言写的，看了半天一个for循环没有，是在看不懂，幸亏里面有篇算法对应的论文下载，论文名字叫《ASIC implementation of automatic gamma correction based on average of brightness 》，下载看了下，大概搞明白了他的大概意思。

　　文章的核心思想很简单，就是他假定一幅合理的图像应该全部像素的平均值应该是0.5左右（归一化后的），因此那么自动伽马校订的伽马值就要使得目标图像向这个目标前进。

　　假定X是图像的平均值，那么自动伽马需符合下述要求：

　　　　　　

 　　一步一步的往下推导，有：

　　      -----》       --------》

 　　就是这么简单哪，若是写个代码也就是几分钟的事情。

int IM_AutoGammaCorrection(unsigned char *Src, unsigned char *Dest, int Width, int Height, int Stride) { int Channel = Stride / Width; if ((Src == NULL) || (Dest == NULL))                    return IM_STATUS_NULLREFRENCE; if ((Width <= 0) || (Height <= 0))                        return IM_STATUS_INVALIDPARAMETER; if ((Channel != 1) && (Channel != 3) && (Channel != 4))    return IM_STATUS_NOTSUPPORTED; int AvgB, AvgG, AvgR, AvgA; int Status = IM_GetAverageValue(Src, Width, Height, Stride, AvgB, AvgG, AvgR, AvgA); if (Status != IM_STATUS_OK)    return Status; if (Channel == 1) { float Gamma = -0.3 / (log10(AvgB / 256.0f)); unsigned char Table[256]; for (int Y = 0; Y < 256; Y++)        // 另一种方式是：pow(Y / 255.0, 1.0 / Gamma）
 { Table[Y] = IM_ClampToByte((int)(pow(Y / 255.0f, Gamma) * 255.0f)); } return IM_Curve(Src, Dest, Width, Height, Stride, Table, Table, Table); } else { float GammaB = -0.3 / (log10(AvgB / 256.0f)); float GammaG = -0.3 / (log10(AvgG / 256.0f)); float GammaR = -0.3 / (log10(AvgR / 256.0f)); unsigned char TableB[256], TableG[256], TableR[256]; for (int Y = 0; Y < 256; Y++)        // 另一种方式是：pow(Y / 255.0, 1.0 / Gamma）
 { TableB[Y] = IM_ClampToByte((int)(pow(Y / 255.0f, GammaB) * 255.0f)); TableG[Y] = IM_ClampToByte((int)(pow(Y / 255.0f, GammaG) * 255.0f)); TableR[Y] = IM_ClampToByte((int)(pow(Y / 255.0f, GammaR) * 255.0f)); } return IM_Curve(Src, Dest, Width, Height, Stride, TableB, TableG, TableR); } }

　　效果彷佛仍是很不错的。 

       

　　对于正常的图像，基本上没有啥变化，这也是必需要有的特性。

          

　　论文里提出了另一种更适合于硬件实现的方式。

　　他把图像分红不少个16*16的小块，好比N*M个（文章中固定死了，也是16*16个），而后对16*16的小块，每次提取对应位置的一个像素，共计N*M个像素，计算这N*M像素的平均值，而后依据这个平均值计算出伽马值，这样就能计算出16*16个Gamma值，这些Gamma值确定不会是彻底相同的，文章中也统计了他们的差别大小，最后用这个256个gamma的平均值做为最后的正副图像的平均值。

   

　　这代码写的有点狗屎 ......

　　注意上面的取样是所有平均取样，不是某一个块集中取样。

　　这样写的结果和全图取平均仍是有必定区别的，不过效果基本上差很少。

　　整个过程就这么简单，不过对于彩色图像，若是直接分通道实现，彷佛会出现必定的偏色现象，我想这个不该该是Gamma调整该出现的做用，应该予以消除，以下所示：

       

　　解决方法有把三通道求得的Gamma值再求平均值，做为每一个通道的Gamma值，也能够对亮度通道作Gamma，而后在返回到RGB空间等等。

       

　　如上所示，基本没有这个现象。

　　固然，这种全局的Gamma校订仍是有不少问题，好比容易出现块状，容易加强噪音等等，须要和某些局部算法结合在一块儿来实现更好的结果。

       本文Demo下载地址：  http://files.cnblogs.com/files/Imageshop/SSE_Optimization_Demo.rar，见其中的Adjust-> Auto Gamma Correction菜单。