[人工智能] Gamma变换算法之Matlab&FPGA实现

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> Gamma变换算法之Matlab&FPGA实现 -> 正文阅读

[人工智能]Gamma变换算法之Matlab&FPGA实现

Gamma映射原理

什么是Gamma曲线

人眼的感光与光强并不是呈线性关系的，而是呈非线性关系（指数型关系，如下图左-曲线。在低照度下，人眼更容易分辨出亮度的变化，随着照度的增加，人眼不易分辨出亮度的变化。而图像传感器与输入光强呈线性关系（如下图左-直线）。从图中可见，当传感器感光在20%左右时，人眼感光响应达到了50%，人眼对低照度的变化更为敏感。从下图右侧可见，Reference Tone为人眼感光50%的亮度，而传感器在感光50%时则相对暗的多（见Select，近似中性灰）。这种将原始图像通过映射操作来满足人眼亮度响应的曲线，就是Gamma曲线，响应的变换就是Gamma变换。

光有曲线的数据，虽已具象化，但没有感性的认识，着实不太好理解。我们举个例子，你在黑暗的夜晚，草丛有一只微弱的萤火虫，你会敏锐的发现，或是远方灯火阑珊，那更是灵光一现；但倘若在大白天，从早上8点到正午12点，虽阳光逐渐变得强烈，你却没有很直观的变化。所以可以理解人眼在低照度时候，对亮度的变化更为敏感，而在高亮时却不是很灵敏。

换个维度，假设在Gamma曲线上（以Gamma=2.2为例），我们计算亮度变化的幅度，即我们8bit图像亮度为0-255灰阶，映射到Gamma曲线后，则从灰阶1到2亮度变化幅度为37.04%，但从灰阶幅度254到255，亮度变化则仅只有0.18%，曲线如下图所示：

其中相关代码如下所示：

% -------------------------------------------------------------------------
% Gamma映射函数
x = [0:1:255];
y1 = (255/255.^(1/2.2))*x.^(1/2.2);
y2 = zeros(1,256);
for i = 1:255
    if(x==0)
        y2(1)=0;
    else
        y2(i)=(y1(i+1)-y1(i))/y1(i);
    end
end
subplot(121),plot(x,y1,'Linewidth',2);grid on;  title('Gamma映射曲线');
subplot(122),plot(x,y2,'Linewidth',2);grid on;title('Gamma变化强度');

那么，不管从生活还是数据中分析，在高亮下人眼对光强不敏感，而在低照度下更敏感，因此足以见得Gamma映射的重要性。所以在ISP流程中，Gamma是很重要的一部分，我们为了适合人眼进行辨识，对图像传感器产生的图像进行Gamma变换，来提升图像的辨识度。如下图所示，为原始图像经传感器采集的未经Gamma变化的灰阶图（Linear Encoding），以及经过Gamma变换后的灰阶图（Gamma Encoding）。

从图中可见，在未经过Gamma变换时，低灰度值区域在较大范围内表现为同一个值，造成信息的丢失；同时高灰度值区域又被表现为很多不同的值，造成存储的浪费。但经过Gamma变换后，低灰度值下有了更多的灰阶信息，而高灰度值下进行了一定程度的压缩，节省了图像的存储。

Gamma为啥是2.2

这事我不一定说的准确，仅凭个人卓见，两方面给大家阐述一下。

首先是当年的大脑袋的CRT显示器（00后不知道有没有见过），由于其显像管与电压并不是成线性关系。如下图所示，CRT亮度响应曲线。从曲线可知其暗区被压缩了（斜率小于45°），而亮区则被扩展了（斜率大于45°）。典型的比如输入40%亮度的红色+80%亮度的绿色，实际输出近似10%的红色+60%的绿色，显示严重不及预期。

为了弥补这一亮度响应的缺陷，我们需要一个反转的曲线，如上图中间曲线所示。经过中间反转曲线的抵消，最终达到预期的亮度，将会出现上图右边的曲线：近似45°斜率的直线，即便输入和亮度成正比关系，而这一亮度补偿的映射，就是Gamma，CRT的Gamma值据统计分析就在2.2左右。Gamma值没有标准，也没有对错，比如CRT有些文档说2.5，Windows系统默认Gamma=2.2，而Mac系统的Gamma又是1.8，不同的LCD屏幕响应曲线各有不同，最正确的方法则是通过灰阶自己找到最佳的Gamma值。

目前经典的Gamma值就是2.2，或许这是一种巧合，但这也是一个现实，从大量的人眼视觉特性中统计分析出一个经验值，我们人眼的亮度响应曲线，也刚好是2.2。

综上，CRT的亮度响应是一条Gamma曲线（往下弯），CRT的亮度补偿是一条反Gamma曲线（往上弯），而人眼的亮度响应也是一条反Gamma曲线，因此为了达到更好的亮度与对比度，符合人眼的视觉效果，需要额外的反Gamma曲线去对画面进行细微的明暗层次调整，控制整个画面对比度表现，再现立体美影像。

备注：第一次，我们叫作Gamma矫正，第二次个人认为只能称之为Gamma映射。那么既然是映射，跟对比度增强映射也就是一个道理了。

1. 如何进行Gamma变换

Gamma来龙去脉很复杂，但实现却很简单，只是简单的Mapping操作，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呈指数关系，公式如下：

?这个指数系数就是Gamma变换的系数。Gamma变换后，提升了暗部细节，压缩了亮部细节（Gamma<1）；或者提升了亮部细节，压缩了暗部细节（Gamma>1）。如下图中，下方实曲线为CRT的Gamma曲线，而上方虚曲线则为矫正CRT亮度响应的曲线，校正后使得最终近似斜率为45°的线性响应（Gamma=1）。但事实上显示器已经自带了虚曲线的Gamma矫正曲线，其输入与输出在校正后已近似线性，但为了能够让图像变得更加接近人眼感受的非线性响应，提升图像显示的质量，我们仍然可以进一步Gamma 2.2的映射。

上图为官方的图，其中最下方为CRT Gamma 2.2的曲线，而最上方则为反Gamma曲线。由于我们在PC侧处理的像素都是0-255，那么对公式进一步变型，扩展到0-255，计算如下：

??使用Matlab绘制的如上曲线，如下所示。我们将始终在0-255之间，进行线性响应的非线性拉伸，来符合人眼/设备的响应曲线。

Gamma映射Matlab实现

首先申明：这里只是演示Gamma映射的算法，但结果并没有对错，毕竟原图可能已经优化过，同时也可能因人而异。

前面已经用Matlab绘制过Gamma曲线，这里为了观察效果，我们同时绘制Gamma=2.2及Gamma=1/2.2的映射结果，以及前一篇中对比度增强的效果，来提高你对曲线映射图像处理的认知。如下所示为Matlab源代码：

% -----------------------------------------------------------------------
%                                \\\|///
%                              \\  - -  //
%                               (  @ @  )
% +---------------------------oOOo-(_)-oOOo-----------------------------+
% CONFIDENTIAL IN CONFIDENCE
% This confidential and proprietary software may be only used as authorized
% by a licensing agreement from CrazyBingo (Thereturnofbingo).
% In the event of publication, the following notice is applicable:
% Copyright (C) 2013-20xx CrazyBingo Corporation
% The entire notice above must be reproduced on all authorized copies.
% Author                :       CrazyBingo
% Technology blogs      :       www.crazyfpga.com
% Email Address         :       crazyfpga@qq.com
% Filename              :       Image_Constrast.m
% Date                  :       2021-08-25
% Description           :       Image Constrast alg.
% Modification History  :
% Date          By          Version         Change Description
% =========================================================================
% 21/08/25      CrazyBingo  1.0             Original
% -------------------------------------------------------------------------
% |                                    Oooo                           |
% +-----------------------------oooO--(   )-------------------------------+
%                              (   )   ) /
%                               \ (   (_/
%                                \_)
% -----------------------------------------------------------------------
 
 
clear all;  
close all;
clc;
 
% -------------------------------------------------------------------------
% Read PC image to Matlab
IMG1 = imread('../images/scart.jpg');    % 读取jpg图像
IMG1 = rgb2gray(IMG1);
% IMG1 = imread('../images/gsls_test1.tif');    % 读取jpg图像
h = size(IMG1,1);         % 读取图像高度
w = size(IMG1,2);         % 读取图像宽度
subplot(221);imshow(IMG1);title('原图');
 
% -------------------------------------------------------------------------
IMG2 = zeros(h,w);
for i = 1:h
    for j = 1:w
        IMG2(i,j) = (255/255.^2.2)*double(IMG1(i,j)).^2.2;
    end
 
end
IMG2 = uint8(IMG2);
subplot(222);imshow(IMG2);title('Gamma=2.2映射');
 
% -------------------------------------------------------------------------
IMG3 = zeros(h,w);
for i = 1:h
    for j = 1:w
        IMG3(i,j) = (255/255.^(1/2.2))*double(IMG1(i,j)).^(1/2.2);
    end
 
end
IMG3 = uint8(IMG3);
subplot(223);imshow(IMG3);title('Gamma=1/2.2映射效果');
 
% -------------------------------------------------------------------------
THRESHOLD = 127;
E=4;
IMG4 = zeros(h,w);
for i = 1:h
    for j = 1:w
        IMG4(i,j) = (1./(1 + (THRESHOLD./double(IMG1(i,j))).^E)) * 255;
    end
 
end
IMG4 = uint8(IMG4);
subplot(224);imshow(IMG4);title('对比度增强效果');

% ----------------------------------------------
fid = fopen('..\..\SIM\4_Gamma_Mapping_sim\source_files\image_gray.txt','wt');
for row = 1 : h
    for col = 1 : w
        fprintf(fid,'%s ',lower(dec2hex(IMG1(row,col),2)));
    end
    fprintf(fid,'\n');
end
fclose(fid);

fid = fopen('image_gray_gamma.txt','wt');
for row = 1 : h
    for col = 1 : w
        fprintf(fid,'%s ',lower(dec2hex(IMG2(row,col),2)));
    end
    fprintf(fid,'\n');
end
fclose(fid);

从上图可知，仅个人视觉效果评判，图【2】的效果更好，虽整体相对图【1】偏暗，比如松鼠鼻子看不清了，但细节更清晰；图【3】严重过曝，效果不佳；图【4】稍微过曝，明暗对比度提升。

为了更好的对比图像映射的过程，绘制了Gamma=2.2；Gamma=1/2.2，以及指数对比度的曲线。可见对比度曲线结合了Gamma=2.2及1/2.2的曲线，同时拉伸了亮部和暗部；而Gamma=2.2或者1/2.2仅拉伸了暗部或者亮度。

当然这个过程没有对与错。

Gamma映射FPGA实现
1. Gamma映射LUT的生成

沿用对比度增强Verilog生成的Matlab代码，如下所示：

% -----------------------------------------------------------------------
clear all;  
close all;
clc;

% ----------------------------------------------------------------------
fp_gray = fopen('.\Curve_Gamma_2P2.v','w');
fprintf(fp_gray,'//Curve of Gamma = 2.2\n');
fprintf(fp_gray,'module Curve_Gamma_2P2\n');
fprintf(fp_gray,'(\n');
fprintf(fp_gray,'   input\t\t[7:0]\tPre_Data,\n');
fprintf(fp_gray,'   output\treg\t[7:0]\tPost_Data\n');
fprintf(fp_gray,');\n\n');
fprintf(fp_gray,'always@(*)\n');
fprintf(fp_gray,'begin\n');
fprintf(fp_gray,'\tcase(Pre_Data)\n');
Gray_ARRAY = zeros(1,256);
for i = 1 : 256
    Gray_ARRAY(1,i) = (255/255.^2.2)*(i-1).^2.2;
    Gray_ARRAY(1,i) = uint8(Gray_ARRAY(1,i));
    fprintf(fp_gray,'\t8''h%s : Post_Data = 8''h%s; \n',dec2hex(i-1,2), dec2hex(Gray_ARRAY(1,i),2));
end
fprintf(fp_gray,'\tendcase\n');
fprintf(fp_gray,'end\n');
fprintf(fp_gray,'\nendmodule\n');   
fclose(fp_gray);

% -----------------------------------------------------------------------
% 打印变形后的映射数组Gray_ARRAY
reshape(Gray_ARRAY,16,16)