伽马校正（Gamma correction）是一种对图像进行亮度调整的技术。在数字图像处理中，由于显示设备的不同，图像的亮度可能会有所偏差，使用伽马校正可以调整图像的亮度，使其更符合人眼的感知。

伽马校正基于光的感知特性，以及显示设备对亮度的响应曲线。在人眼感知中，亮度并非线性变化的，而是呈现出类似于对数曲线的特点。而显示设备对输入信号的响应也是非线性的，通常可以用伽马值（gamma value）来表示。

在Python中，我们可以使用OpenCV库来实现伽马校正。下面是一个简单的示例代码：

import cv2
import numpy as np

def gamma_correction(image, gamma):
    # 创建一个与原图像大小相同的空白图像
    corrected = np.zeros(image.shape, dtype=np.float32)
    # 将像素值从 [0, 255] 映射到 [0, 1]
    normalized = image / 255.0
    # 对每个像素应用伽马校正公式
    corrected = np.power(normalized, gamma)
    # 将像素值从 [0, 1] 映射回 [0, 255]
    corrected = np.uint8(corrected * 255)
    
    return corrected

# 读取图像
image = cv2.imread('image.jpg', cv2.IMREAD_GRAYSCALE)

# 进行伽马校正
gamma = 1.5
corrected = gamma_correction(image, gamma)

# 显示原图像和校正后的图像
cv2.imshow('Original', image)
cv2.imshow('Corrected', corrected)
cv2.waitKey(0)
cv2.destroyAllWindows()

在这个示例中，我们首先定义了一个gamma_correction函数，该函数接受一个图像和一个伽马值作为参数，返回经过伽马校正后的图像。

在函数内部，我们首先创建一个与原图像大小相同的空白图像corrected，然后将原图像的像素值从[0, 255]的范围映射到[0, 1]的范围，以便进行伽马校正计算。

接下来，我们使用np.power函数对每个像素应用伽马校正公式，将校正后的像素值存储到corrected中。最后，将像素值从[0, 1]的范围映射回[0, 255]的范围，并将其转换为无符号8位整数类型，以便显示。

在主程序中，我们首先使用cv2.imread函数读取一张灰度图像，然后调用gamma_correction函数对图像进行伽马校正，校正后的图像存储在corrected变量中。

最后，我们使用cv2.imshow函数显示原图像和校正后的图像，并通过cv2.waitKey等待用户按下任意键关闭窗口。

通过这个示例，我们可以看到伽马校正可以有效地改善图像的亮度，并使其更符合人眼的感知。

状态图

序列图

在本文中，我们介绍了伽马校正的原理和在Python中的实现方式。通过伽马校正，我们可以对图像的亮度进行调整，使其更加符合人眼的感知。通过OpenCV库，我们可以很方便地实现伽马校正。希望本文能对读者理解和应用伽马校正有所帮助。