问OpenCV Python:用于16位映像的LUT？

EN

正如您已经发现的，OpenCV的LUT方法的实现只支持8位LUTs。但是，您可以实现自己的任意位分辨率，这实际上非常简单。对于映像中的每个值，直接用于访问LUT，它将输出所需的值。因为OpenCV与NumPy接口，所以您可以直接将输入图像和索引使用到LUT中，以便获得最终的输出，同时利用NumPy数组索引。

首先定义一个LUT -你需要确保它是16位，我假设你有从0到65535的值来尊重16位分辨率。一旦您这样做，使用表索引到您的图像。下面是一个使用伽马调整的例子：

import numpy as np

def adjust_gamma(image, gamma=1.0):
    # build a lookup table mapping the pixel values [0, 65535] to
    # their adjusted gamma values
    inv_gamma = 1.0 / gamma
    table = ((np.arange(0, 65536) / 65535) ** inv_gamma) * 65535

    # Ensure table is 16-bit
    table = table.astype(np.uint16)

    # Now just index into this with the intensities to get the output
    return table[image]

这应用了输入图像的逆伽玛调整，首先生成一个16位的LUT，然后用图像直接索引到其中创建输出图像。注意，输入图像也被假定为16位.如果有任何超出0-65535范围的值，这将给出一个超出范围的索引错误。

注-多通道图像

请注意，上述情况假设为单通道映像。如果您想应用于多通道(即RGB图像)，那么您需要为每个通道定义一个LUT，并将LUT分别应用于每个通道。最简单的方法是在所有通道上设置一个for循环。肯定有更多的矢量法在一次尝试，但我不会偏离你的问题的意图，我希望这是尽可能简单的阅读。

首先定义一个2D LUT，其中这个矩阵中的每一行都是一个LUT。具体来说，行i对应于适用于图像的信道i的LUT。完成后，循环通过通道维度并应用LUT。为了节省一些时间，我们还可以预先分配输出图像，使其为零，然后相应地填写每个通道。

类似于：

# Assume LUT is defined as `table` and it's a 2D NumPy array
output = np.zeros_like(image)
for i in range(image.shape[2]):
    output[..., i] = table[i, image[..., i]]

output将包含所需的结果。但是，对于特殊情况下，LUT跨所有通道都是相同的，您可以只使用以前使用的相同的1DLUT，也可以使用我前面提到的相同的索引方法：

output = table[image]