• 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

该函数用于对输入图像应用伽马校正(Gamma Correction),这是一种非线性的图像处理技术,主要用于调整图像的亮度和对比度。
给定一个输入的 BGR 或灰度图像以及一个常数 gamma,对图像在 [0, 255] 区间上应用幂律变换(即伽马校正),并返回结果图像。

函数原型

void cv::intensity_transform::gammaCorrection 	
(const Mat  	input,Mat &  	output,const float  	gamma 
) 		

参数

  • input:输入BGR或灰度图像。
  • output:伽马校正后的结果图像。
  • gamma:在公式 c*r^gamma中的常数,其中 r 是像素值。

示例代码


#include <opencv2/intensity_transform.hpp>
#include <opencv2/opencv.hpp>void applyGammaCorrection( const cv::Mat& input, cv::Mat& output, float gamma )
{// 创建查找表cv::Mat lookUpTable( 1, 256, CV_8U );uchar* p = lookUpTable.ptr();for ( int i = 0; i < 256; ++i )p[ i ] = cv::saturate_cast< uchar >( pow( i / 255.0, gamma ) * 255.0 );// 应用查找表cv::LUT( input, lookUpTable, output );
}int main()
{// 读取图像cv::Mat img = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/Lenna.png" );if ( img.empty() ){std::cerr << "无法加载图像!" << std::endl;return -1;}cv::Mat result;// 设置伽马值float gamma = 1.5f;  // 你可以根据需要调整这个值// 使用 OpenCV 提供的 gammaCorrection 函数cv::intensity_transform::gammaCorrection( img, result, gamma );// 显示原图和处理后的图像cv::imshow( "Original Image", img );cv::imshow( "Gamma Corrected Image", result );cv::waitKey( 0 );return 0;
}

运行结果

在这里插入图片描述

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/web/89222.shtml
繁体地址,请注明出处:http://hk.pswp.cn/web/89222.shtml
英文地址,请注明出处:http://en.pswp.cn/web/89222.shtml

如若内容造成侵权/违法违规/事实不符,请联系英文站点网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Linux-局域网构建+VLAN 划分 + 端口 MAC-IP 绑定 + 静态 DHCP

文章目录1. 适用于家庭、工作室或小型企业的局域网构建2. VLAN划分3. VLAN 划分 端口 MAC-IP 绑定 静态 DHCP跳转→网络管理基础复习 1. 适用于家庭、工作室或小型企业的局域网构建 ✅ 一、硬件连线&#xff08;一次到位&#xff09; 光纤入户 → 光猫/宽带调制解调器光猫…

渗透测试路线

渗透测试学习路线报告&#xff08;从入门到高级&#xff09; 引言&#xff1a;渗透测试概述与学习路线设计 渗透测试作为网络安全体系中的核心实践环节&#xff0c;通过模拟真实攻击者的技术手段与攻击路径&#xff0c;主动识别信息系统中的安全漏洞、评估防护机制有效性&#…

Node.js 中http 和 http/2 是两个不同模块对比

1. 核心模块对比 特性http 模块 (HTTP/1.1)http2 模块 (HTTP/2)协议版本HTTP/1.1&#xff08;文本协议&#xff09;HTTP/2&#xff08;二进制协议&#xff09;多路复用不支持&#xff08;需多个 TCP 连接&#xff09;支持&#xff08;单连接多流&#xff09;头部压缩无HPACK 压…

3DGS之COLMAP

COLMAP 在 3DGS 中起到了数据预处理和三维重建的关键作用&#xff0c;其处理流程包括特征提取与匹配、稀疏重建、稠密重建和输出文件生成。结合 3DGS 的高斯分布建模和优化算法&#xff0c;COLMAP 提供了场景的几何和相机信息&#xff0c;为实时渲染和三维重建奠定了基础。一、…

RabbitMQ中队列长度限制(Queue Length Limit)详解

在 RabbitMQ 中&#xff0c;队列长度限制&#xff08;Queue Length Limit&#xff09;是指对队列中消息数量的最大限制。当队列中的消息数量达到设定的上限时&#xff0c;RabbitMQ 会根据配置的策略&#xff08;如丢弃旧消息、拒绝新消息或将消息转移到另一个队列&#xff09;来…

Python设计模式深度解析:建造者模式(Builder Pattern)完全指南

Python设计模式深度解析&#xff1a;建造者模式&#xff08;Builder Pattern&#xff09;完全指南前言什么是建造者模式&#xff1f;建造者模式的核心思想模式的核心组成实际案例一&#xff1a;UI选择组件的动态构建抽象建造者基类具体建造者实现列表框建造者复选框建造者工厂建…

elementuiPlus+vue3手脚架后台管理系统,上生产环境之后,如何隐藏vite.config.ts的target地址

在项目根目录创建 .env.production 文件&#xff1a; VITE_API_TARGEThttps://your-real-api.com修改 vite.config.ts&#xff1a; import { defineConfig, loadEnv } from viteexport default defineConfig(({ mode }) > {const env loadEnv(mode, process.cwd(), )return…

ARCGIS PRO DSK 颜色选择控件(ColorPickerControl)的调用

颜色选择控件ColorPickerControl 。一、XAML 集成方式 1 、在WPF窗体上使用&#xff0c;xml&#xff1a;加入空间命名引用xmlns:ui1"clr-namespace:ArcGIS.Desktop.Internal.Mapping.Symbology;assemblyArcGIS.Desktop.Mapping" xmlns:uil"http://schemas.xceed…

深浅拷贝以及函数缓存

目录 数据类型介绍 基本数据类型&#xff08;Primitive Types&#xff09; 引用数据类型&#xff08;Reference Types&#xff09; 浅拷贝 深拷贝 利用JSON的序列化和反序列化实现深拷贝 递归实现深拷贝 第三方库lodash的cloneDeep 函数缓存的概念 实现方法 数据类型介…

第六届信号处理与计算机科学国际学术会议(SPCS 2025)

重要信息 官网&#xff1a;www.icspcs.org &#xff08;详情见官网&#xff09; 时间&#xff1a;2025年8月15-17日 地点&#xff1a;西安 主题 信号处理与智能计算计算科学与人工智能网络与多媒体技术数字信号处理 雷达信号处理 通信信号处理 临时和传感器网络 模拟和…

MongoDB:一个灵活的、可扩展的 NoSQL 数据库

&#x1f90d; 前端开发工程师、技术日更博主、已过CET6 &#x1f368; 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 &#x1f560; 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》、《前端求职突破计划》 &#x1f35a; 蓝桥云课签约作者、…

系统思考场景应用

最近一直在与不同行业头部企业共同探讨系统思考这个主题。一些新的合作伙伴也常常问我&#xff0c;系统思考究竟能为客户解决什么痛点&#xff1f; 这两天上课客户的核心需求是&#xff1a;全局思维。在过去的几年里&#xff0c;我深切体会到&#xff0c;随着外部环境的快速变化…

SQL预编译:安全高效数据库操作的关键

通过占位符&#xff08;如 ? 或命名参数&#xff09;编写预编译的 SQL 语句&#xff08;通常通过 PreparedStatement 实现&#xff09;是数据库操作的最佳实践&#xff0c;主要好处包括&#xff1a;&#x1f512; 1. 防止 SQL 注入攻击&#xff08;核心安全优势&#xff09; 问…

springboot实验室管理系统-计算机毕业设计源码20916

摘 要 随着高校实验室管理需求的不断增加&#xff0c;传统的管理方式已经难以满足现代教育的要求。为了解决这一问题&#xff0c;本文设计并实现了一种基于VUE和SpringBoot的实验室管理系统。该系统采用前后端分离的架构&#xff0c;前端使用VUE框架&#xff0c;后端基于Sprin…

spdringboot共享学习室小程序 计算机毕业设计源码27728

摘 要 共享学习室小程序是一款基于SpringBoot框架开发的移动端应用&#xff0c;旨在提供一个便捷的自习室预约、管理和资源共享平台。通过该小程序&#xff0c;用户可以方便地预约自习室、查看资讯、提交反馈意见&#xff0c;同时进行失物招领、查看订单信息等多项操作。对于管…

JVM——JVM 的内存区域是如何划分的?

Java 虚拟机运行时数据区分为方法区、堆、虚拟机栈、本地方法栈、程序计数器。 方法区(Method Area): [1] 存储类信息、常量、静态变量和即时编译器(JIT)编译后的代码。 [2] 属于线程共享区域&#xff0c;所有线程共享方法区内存 [3] 在 JDK8之前&#xff0c;HotSpot使用永久代…

SpringAi笔记

简介 :: Spring AI 中文文档 Spring AI 解决了 AI 集成的根本难题&#xff1a;将企业数据和 API 与 AI 模型连接起来。 聊天客户端 API (ChatClient ) 发起对模型的调用和响应 创建&#xff1a;其中可以通过bean来注入创建好的chatClient 可以使用Qualifier注解&#xff0c;…

基于SD-WAN的智慧高速解决方案:高效、低成本的智能交通实践

随着交通网络的智能化需求逐渐增加&#xff0c;智慧高速建设已成为提升通行效率、优化安全性、实现交通现代化管理的重要方向。在本文中&#xff0c;我们将以某智慧高速项目为例&#xff0c;详细探讨如何通过 SD-WAN 技术与多种智能化手段结合&#xff0c;实现“低成本、高效率…

Towards Low Light Enhancement with RAW Images 论文阅读

利用 RAW 图像实现低光增强 摘要 在本文中&#xff0c;我们首次进行了基准研究&#xff0c;详细阐述了在低光增强中使用 RAW 图像的优越性&#xff0c;并提出了一种新颖的替代方案&#xff0c;以更灵活和实用的方式利用 RAW 图像。受对典型图像处理流程的全面考虑启发&#xff…

smolagents - 如何在mac用agents做简单算术题

smolagent是hf推出的agent开发库&#xff0c;简洁易用。这里尝试用smolagents完成简单数学题目。 1 smolagents安装 conda create -n smolagents python3.12 conda activate smolagents pip install smolagents pip install smolagents[mlx-lm] 由于是在mac使用mlx&#xff0c;…