gamma校正python

1. 伽马校正的γ校正

所有CRT显示设备都有幂-律转换特性，如果生产厂家不加说明，那么它的γ 值大约等于2.5。用户对发光的磷光材料的特性可能无能为力去改变，因而也很难改变它的γ值。为使整个系统的γ 值接近于使用所要求的γ 值，起码就要有一个能够提供γ 校正的非线性部件，用来补偿CRT的非线性特性。
在所有广播电视系统中，γ 校正是在摄像机中完成的。最初的NTSC电视标准需要摄像机具有γ =1/2.2=0.45的幂函数，采纳γ=0.5的幂函数。PAL和SECAM电视标准指定摄像机需要具有γ =1/2.8=0.36的幂函数，但这个数值已显得太小，因此实际的摄像机很可能会设置成γ =0.45或者0.5。使用这种摄像机得到的图像就预先做了校正，在γ =2.5的CRT屏幕上显示图像时，屏幕图像相对于原始场景的γ 大约等于1.25。这个值适合“暗淡环境”下观看。
过去的时代是“模拟时代”，而今已进入“数字时代”，进入计算机的电视图像依然带有γ =0.5的校正，这一点可不要忘记。虽然带有γ 值的电视在数字时代工作得很好，尤其是在特定环境下创建的图像在相同环境下工作。可是在其他环境下工作时，往往会使显示的图像让人看起来显得太亮或者太暗，因此在可能条件下就要做γ 校正。
在什么地方做γ 校正是人们所关心的问题。从获取图像、存储成图像文件、读出图像文件直到在某种类型的显示屏幕上显示图像，这些个环节中至少有5个地方可有非线性转换函数存在并可引入γ 值。例如：
camera_gamma：摄像机中图像传感器的γ (通常γ =0.4或者0.5)
encoding_gamma：编码器编码图像文件时引入γ
decoding_gamma ：译码器读图像文件时引入γ
LUT_gamma：图像帧缓存查找表中引入γ
CRT_gamma：CRT的γ (通常g =2.5)
在数字图像显示系统中，由于要显示的图像不一定就是摄像机来的图像，假设这种图像的γ 值等于1，如果encoding_gamma=0.5，CRT_gamma=2.5和decoding_gamma，LUT_gamma都为1.0时，整个系统的γ 就近似等于1.25。
根据上面的分析，为了在不同环境下观看到“原始场景”可在适当的地方加入γ 校正。

2. python的svm里的gamma值太大太小会怎样

太大了容易过拟合，太小了又无法在训练集上得到特别高的准确率，也会影响测试集的准确率

3. 什么是伽玛校正（Gamma Correction）

所谓伽玛校正就是对图像的伽玛曲线进行编辑，以对图像进行非线性色调编辑的方法，检出图像信号中的深色部分和浅色部分，并使两者比例增大，从而提高图像对比度效果。计算机绘图领域惯以此屏幕输出电压与对应亮度的转换关系曲线，称为伽玛曲线（Gamma Curve）。以传统CRT（Cathode Ray Tube）屏幕的特性而言，该曲线通常是一个乘幂函数，Y=(X+e)γ，其中，Y为亮度、X为输出电压、e为补偿系数、乘幂值（γ）为伽玛值，改变乘幂值（γ）的大小，就能改变CRT的伽玛曲线。典型的Gamma值是0.45，它会使CRT的影像亮度呈现线性。使用CRT的电视机等显示器屏幕，由于对于输入信号的发光灰度，不是线性函数，而是指数函数，因此必需校正。

4. Gamma校正的步骤

需要两个基本步骤补偿 gamma 变化：
校准输出显示设备，以使软件生成的中间色调精确地复制到显示设备上。在“首选项”对话框（显示 Gamma）的 Gamma 面板中进行此项操作。
通过渲染器和文件输入到软件，确定要应用于文件输出的 gamma 值，例如纹理贴图。这个控件也位于“首选项”对话框（文件 Gamma）中的 Gamma 面板中。
gamma 校正中最重要的一条规则就是只做一次校正。如果做两次的话，图像质量会过亮并损失颜色分辨率。
对于输出文件的 gamma，视频设备（例如录像机）拥有自己的硬件 gamma 校正电路。因此，需要决定由软件进行输出 gamma 校正还是让输出设备进行处理。
硬拷贝打印介质不需要进行 Gamma 校正。
通过 Adobe Photoshop 这样的程序导入本软件的文件已经进行了 gamma 校正。如果在同一个监视器上查看这些文件觉得效果不错，则不需要设置输入文件 gamma。

5. Gamma校正的原理

校正原理
液晶电视机显示器由于液晶屏红绿蓝三色电光特性不一致，表现为各个灰阶的颜色差异较大，需要校正各个灰阶的颜色。尤其暗场的灰阶误差非常明显，无法通过白平衡调节来清除各灰阶的颜色误差。只有各灰阶的颜色一致后，方能通过亮暗场的白平衡调节，将色温调节到要求的色温。另一方面液晶电视机显示器的亮度比较高，为了增加液晶电视机显示器的透亮度，更好地表现颜色，需要对液晶电视机显示器的亮度进行非线性校正。这些，都需要通过对液晶电视机显示器进行GAMMA校正来完成。校正GAMMA曲线后，可以实现如下目的：暗场灰阶的颜色明显改善，各灰阶的颜色误差明显减少，暗场颜色细节分明，图像亮度颜色一致，透亮度好，对比明显。同一尺寸不同屏的电视对颜色表现的明显一致

6. Gamma校正系数是什么啊

所谓gamma校正系数，是一个范围在0.1～10之间的数字，软件默认的gamma校正系数值是1。数字越大，图片的亮度也就越高。假如你感觉截取的图片太暗或者太亮的话，就可以通过调节它的大小来改变图片的亮度。

7. python有gamma函数吗

math模块中有
import math
>>> math.gamma(6)
120

8. 显示器太亮了，请问怎么调整Gamma值

显示器太亮了，、调整Gamma值的方式是：调亮度和对比度，对比度控制在50就可以了。若太亮，主要就是调亮度。可以适当调低些，如果怎么调都觉得亮，那应该是屏的特性如此，调也没用。

色彩管理中提到的“Gamma 校正”，一般是指在色值（或信号数值）的编码 / 解码过程中，对数值进行的非线性处理——简而言之，对输入数值进行一次幂运算（可能会再乘以某个系数），然后得到输出数值。上述幂运算中使用到的幂值，通常记作 gamma (γ)。

一个最简单的例子：

这个关系式中，数值“2.2”就是一个解码 gamma 值，常见于辉度（luminance）校正。

9. 怎样改变电脑gamma值

Gamma源于CRT（显示器/电视机）的响应曲线，即其亮度与输入电压的非线性关系。
为什么要改变电脑的GAMMA值呢？原因如下：
显示器由于液晶屏红绿蓝三色电光特性不一致，表现为各个灰阶的颜色差异较大，需要校正各个灰阶的颜色。尤其暗场的灰阶误差非常明显，无法通过白平衡调节来清除各灰阶的颜色误差。只有各灰阶的颜色一致后，方能通过亮暗场的白平衡调节，将色温调节到要求的色温。另一方面液晶显示器的亮度比较高，为了增加液晶电视机显示器的透亮度，更好地表现颜色，需要对液晶电视机显示器的亮度进行非线性校正。这些，都需要通过对液晶显示器进行GAMMA校正来完成。校正GAMMA曲线后，可以实现如下目的：暗场灰阶的颜色明显改善，各灰阶的颜色误差明显减少，暗场颜色细节分明，图像亮度颜色一致，透亮度好，对比明显。
如何改变电脑的GAMMA值呢？方法如下：
单击PowerStrip图标，在弹出的快捷菜单中选择[Color Profies]}[Con figure]菜单命令，打开“Color Profiles”对话框。对话框中的第一个滑块就是用于调节“Gamma”值的，其默认值为1.00，若想改变该值，直接拖动滑块即可，不过在拖动的同时，屏幕会有很明显的变化，Gamma值越大，屏幕显示就越“亮”，反之屏幕会越“暗”，如果对所调整的设置不满意，可以单击下面的“Reset”按钮来恢复，若希望进行比较精确的调整，可使用方向键来控制数值的增减。

重点来了！
请您注意。gamma 校正中最重要的一条规则就是只做一次校正。如果做两次的话，图像质量会过亮并损失颜色分辨率。

10. 直方图匹配Python的偏差校正问题，怎么解决

用一下代码解决：
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()