gamma校正python

1. 伽馬校正的γ校正

所有CRT顯示設備都有冪-律轉換特性，如果生產廠家不加說明，那麼它的γ 值大約等於2.5。用戶對發光的磷光材料的特性可能無能為力去改變，因而也很難改變它的γ值。為使整個系統的γ 值接近於使用所要求的γ 值，起碼就要有一個能夠提供γ 校正的非線性部件，用來補償CRT的非線性特性。
在所有廣播電視系統中，γ 校正是在攝像機中完成的。最初的NTSC電視標准需要攝像機具有γ =1/2.2=0.45的冪函數，採納γ=0.5的冪函數。PAL和SECAM電視標准指定攝像機需要具有γ =1/2.8=0.36的冪函數，但這個數值已顯得太小，因此實際的攝像機很可能會設置成γ =0.45或者0.5。使用這種攝像機得到的圖像就預先做了校正，在γ =2.5的CRT屏幕上顯示圖像時，屏幕圖像相對於原始場景的γ 大約等於1.25。這個值適合「暗淡環境」下觀看。
過去的時代是「模擬時代」，而今已進入「數字時代」，進入計算機的電視圖像依然帶有γ =0.5的校正，這一點可不要忘記。雖然帶有γ 值的電視在數字時代工作得很好，尤其是在特定環境下創建的圖像在相同環境下工作。可是在其他環境下工作時，往往會使顯示的圖像讓人看起來顯得太亮或者太暗，因此在可能條件下就要做γ 校正。
在什麼地方做γ 校正是人們所關心的問題。從獲取圖像、存儲成圖像文件、讀出圖像文件直到在某種類型的顯示屏幕上顯示圖像，這些個環節中至少有5個地方可有非線性轉換函數存在並可引入γ 值。例如：
camera_gamma：攝像機中圖像感測器的γ (通常γ =0.4或者0.5)
encoding_gamma：編碼器編碼圖像文件時引入γ
decoding_gamma ：解碼器讀圖像文件時引入γ
LUT_gamma：圖像幀緩存查找表中引入γ
CRT_gamma：CRT的γ (通常g =2.5)
在數字圖像顯示系統中，由於要顯示的圖像不一定就是攝像機來的圖像，假設這種圖像的γ 值等於1，如果encoding_gamma=0.5，CRT_gamma=2.5和decoding_gamma，LUT_gamma都為1.0時，整個系統的γ 就近似等於1.25。
根據上面的分析，為了在不同環境下觀看到「原始場景」可在適當的地方加入γ 校正。

2. python的svm里的gamma值太大太小會怎樣

太大了容易過擬合，太小了又無法在訓練集上得到特別高的准確率，也會影響測試集的准確率

3. 什麼是伽瑪校正（Gamma Correction）

所謂伽瑪校正就是對圖像的伽瑪曲線進行編輯，以對圖像進行非線性色調編輯的方法，檢出圖像信號中的深色部分和淺色部分，並使兩者比例增大，從而提高圖像對比度效果。計算機繪圖領域慣以此屏幕輸出電壓與對應亮度的轉換關系曲線，稱為伽瑪曲線（Gamma Curve）。以傳統CRT（Cathode Ray Tube）屏幕的特性而言，該曲線通常是一個乘冪函數，Y=(X+e)γ，其中，Y為亮度、X為輸出電壓、e為補償系數、乘冪值（γ）為伽瑪值，改變乘冪值（γ）的大小，就能改變CRT的伽瑪曲線。典型的Gamma值是0.45，它會使CRT的影像亮度呈現線性。使用CRT的電視機等顯示器屏幕，由於對於輸入信號的發光灰度，不是線性函數，而是指數函數，因此必需校正。

4. Gamma校正的步驟

需要兩個基本步驟補償 gamma 變化：
校準輸出顯示設備，以使軟體生成的中間色調精確地復制到顯示設備上。在「首選項」對話框（顯示 Gamma）的 Gamma 面板中進行此項操作。
通過渲染器和文件輸入到軟體，確定要應用於文件輸出的 gamma 值，例如紋理貼圖。這個控制項也位於「首選項」對話框（文件 Gamma）中的 Gamma 面板中。
gamma 校正中最重要的一條規則就是只做一次校正。如果做兩次的話，圖像質量會過亮並損失顏色解析度。
對於輸出文件的 gamma，視頻設備（例如錄像機）擁有自己的硬體 gamma 校正電路。因此，需要決定由軟體進行輸出 gamma 校正還是讓輸出設備進行處理。
硬拷貝列印介質不需要進行 Gamma 校正。
通過 Adobe Photoshop 這樣的程序導入本軟體的文件已經進行了 gamma 校正。如果在同一個監視器上查看這些文件覺得效果不錯，則不需要設置輸入文件 gamma。

5. Gamma校正的原理

校正原理
液晶電視機顯示器由於液晶屏紅綠藍三色電光特性不一致，表現為各個灰階的顏色差異較大，需要校正各個灰階的顏色。尤其暗場的灰階誤差非常明顯，無法通過白平衡調節來清除各灰階的顏色誤差。只有各灰階的顏色一致後，方能通過亮暗場的白平衡調節，將色溫調節到要求的色溫。另一方面液晶電視機顯示器的亮度比較高，為了增加液晶電視機顯示器的透亮度，更好地表現顏色，需要對液晶電視機顯示器的亮度進行非線性校正。這些，都需要通過對液晶電視機顯示器進行GAMMA校正來完成。校正GAMMA曲線後，可以實現如下目的：暗場灰階的顏色明顯改善，各灰階的顏色誤差明顯減少，暗場顏色細節分明，圖像亮度顏色一致，透亮度好，對比明顯。同一尺寸不同屏的電視對顏色表現的明顯一致

6. Gamma校正系數是什麼啊

所謂gamma校正系數，是一個范圍在0.1～10之間的數字，軟體默認的gamma校正系數值是1。數字越大，圖片的亮度也就越高。假如你感覺截取的圖片太暗或者太亮的話，就可以通過調節它的大小來改變圖片的亮度。

7. python有gamma函數嗎

math模塊中有
import math
>>> math.gamma(6)
120

8. 顯示器太亮了，請問怎麼調整Gamma值

顯示器太亮了，、調整Gamma值的方式是：調亮度和對比度，對比度控制在50就可以了。若太亮，主要就是調亮度。可以適當調低些，如果怎麼調都覺得亮，那應該是屏的特性如此，調也沒用。

色彩管理中提到的「Gamma 校正」，一般是指在色值（或信號數值）的編碼 / 解碼過程中，對數值進行的非線性處理——簡而言之，對輸入數值進行一次冪運算（可能會再乘以某個系數），然後得到輸出數值。上述冪運算中使用到的冪值，通常記作 gamma (γ)。

一個最簡單的例子：

這個關系式中，數值「2.2」就是一個解碼 gamma 值，常見於輝度（luminance）校正。

9. 怎樣改變電腦gamma值

Gamma源於CRT（顯示器/電視機）的響應曲線，即其亮度與輸入電壓的非線性關系。
為什麼要改變電腦的GAMMA值呢？原因如下：
顯示器由於液晶屏紅綠藍三色電光特性不一致，表現為各個灰階的顏色差異較大，需要校正各個灰階的顏色。尤其暗場的灰階誤差非常明顯，無法通過白平衡調節來清除各灰階的顏色誤差。只有各灰階的顏色一致後，方能通過亮暗場的白平衡調節，將色溫調節到要求的色溫。另一方面液晶顯示器的亮度比較高，為了增加液晶電視機顯示器的透亮度，更好地表現顏色，需要對液晶電視機顯示器的亮度進行非線性校正。這些，都需要通過對液晶顯示器進行GAMMA校正來完成。校正GAMMA曲線後，可以實現如下目的：暗場灰階的顏色明顯改善，各灰階的顏色誤差明顯減少，暗場顏色細節分明，圖像亮度顏色一致，透亮度好，對比明顯。
如何改變電腦的GAMMA值呢？方法如下：
單擊PowerStrip圖標，在彈出的快捷菜單中選擇[Color Profies]}[Con figure]菜單命令，打開「Color Profiles」對話框。對話框中的第一個滑塊就是用於調節「Gamma」值的，其默認值為1.00，若想改變該值，直接拖動滑塊即可，不過在拖動的同時，屏幕會有很明顯的變化，Gamma值越大，屏幕顯示就越「亮」，反之屏幕會越「暗」，如果對所調整的設置不滿意，可以單擊下面的「Reset」按鈕來恢復，若希望進行比較精確的調整，可使用方向鍵來控制數值的增減。

重點來了！
請您注意。gamma 校正中最重要的一條規則就是只做一次校正。如果做兩次的話，圖像質量會過亮並損失顏色解析度。

10. 直方圖匹配Python的偏差校正問題，怎麼解決

用一下代碼解決：
import numpy as np
import matplotlib.pyplot as plt
from scipy.interpolate import interp1d
import scipy.stats as st

sim = st.gamma(1,loc=0,scale=0.8) # Simulated
obs = st.gamma(2,loc=0,scale=0.7) # Observed
x = np.linspace(0,4,1000)
simpdf = sim.pdf(x)
obspdf = obs.pdf(x)
plt.plot(x,simpdf,label='Simulated')
plt.plot(x,obspdf,'r--',label='Observed')
plt.title('PDF of Observed and Simulated Precipitation')
plt.legend(loc='best')
plt.show()

plt.figure(1)
simcdf = sim.cdf(x)
obscdf = obs.cdf(x)
plt.plot(x,simcdf,label='Simulated')
plt.plot(x,obscdf,'r--',label='Observed')
plt.title('CDF of Observed and Simulated Precipitation')
plt.legend(loc='best')
plt.show()

# Inverse CDF
invcdf = interp1d(obscdf,x)
transfer_func = invcdf(simcdf)

plt.figure(2)
plt.plot(transfer_func,x,'g-')
plt.show()