Python实现伽马变换：原理、代码与视频亮度增强应用

山间有风

发布时间：2026-10-16 | 6人浏览过

原创

本文深入解析Python中的伽马变换技术，阐述其通过非线性映射调整图像对比度的原理。详细讨论了不同Gamma值对暗区和亮区的影响，并提供基于OpenCV的完整代码实现。内容涵盖单帧图像的灰度修正及实时视频流的亮度增强处理，帮助开发者掌握图像增强核心技巧。

1. 介绍

伽马变换的核心目的在于进行对比度拉伸，主要针对图像中灰度值较低的区域进行修正与增强。

该变换属于点对点映射操作，即针对图像中的单个像素点进行独立的灰度值转换。

其数学表达式为：

公式中，s代表输出像素的灰度值，r代表输入像素的灰度值，c和γ为设定的常数参数。

当γ取值不同时，变换曲线呈现不同形态。此处我们关注曲线的整体形状而非具体函数数值。

通过观察变换曲线，可以得出以下规律：

当γ > 1时，变换会压缩暗区的对比度并抬高亮区的对比度；且γ值越大，这种效果越显著。
当γ < 1时，变换会提升暗区的对比度并压缩亮区的对比度；且γ值越小，这种效果越明显。
当γ = 1时（且c也为1），图像的灰度值保持不变，即无变换效果。

2. 代码实现

import cv2
import numpy as np
def grammar(x, r):
    y = pow(x / 255 , r) * 255
    return y.astype(np.uint8)
img  = cv2.imread('./f.jpg',0)
img_grammar = grammar(img,0.6)
cv2.imshow('img',np.hstack((img,img_grammar)))
cv2.waitKey()
cv2.destroyAllWindows()

展示原图与设定γ = 0.6时的处理效果对比。

在代码实现中必须进行归一化处理。由于整数进行小数次方运算可能导致精度丢失，因此需先将灰度值映射至(0, 1)区间转换为浮点数，再进行次方运算，以确保计算精度。

3. 提升视频的亮度

import numpy as np
import cv2
def grammar(x , r):   #  grammar 变换
    y = pow(x / 255 , r) * 255
    return y.astype(np.uint8)
video = cv2.VideoCapture('./hand.mp4')   # 读取视频
while video.isOpened():        # 如果视频/摄像头 读取成功
    ret,frame = video.read()    # 读取每一帧
    img = grammar(frame,0.6)    # 将每一帧进行进行grammar变换
    if ret == True :           # 读取到frame的话
        cv2.imshow('img',np.hstack((frame,img)))
    key=cv2.waitKey(1)
    if key == ord('q'):        # q 退出
        break
    if key == 32:              # 空格键 暂停
        cv2.waitKey(0)
        continue
video.release()
cv2.destroyAllWindows()

视频处理效果演示。