本示例使用的OpenCV版本是：OpenCV 4.1.1
运行Python的编辑器：Jupyter notebook 6.0.0
示例目的
学习如何应用伽马校正图像。
通过使用np.power对图像的每一个元素都进行n次方的运算，
调整图像像素强度，使图像变亮或变暗。
代码实现
加载图片，并把图像元素的数据类型转换成浮点数，以便之后处理
# 加载需要的库
import cv2
import numpy as np
import matplotlib.pyplot as plt
# 加载图片，把图像元素的数据类型转换成浮点数，处于255，把元素数值控制在0-1之间
img = cv2.imread('dog.png').astype(np.float32) / 255
# 色彩空间从BGR转换成RGB
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
#显示图像
plt.imshow(img)运行完以上代码，可以看到加载的原图
定义gamma变量0.5，图像每个元素都进行n次方运算
gamma = 0.5
# np.power函数是进行n次方的运算，
# 在这里是图像的mei
corrected_img = np.power(img, gamma)
plt.imshow(corrected_img)运行完以上代码，看到的图像相对原图要亮一些
定义gamma变量1.5，图像每个元素都进行n次方运算
gamma = 1.5
corrected_img = np.power(img, gamma)运行完以上代码，看到的图像相对原图要暗一些
代码说明
伽马校正是一种非线性操作，
其公式是：Vout = Vin_x^\curlyvee
通过输入和输出像素值之间的幂律关系为：
- 指数系数小于1时会使图像变亮，
- 指数系数大于1时会使图像变暗。
在程序中我们使用了NumPy的np.power函数进行全图像每一个元素的指数（幂）运算。
该函数的详细请参考：np.power
