传统图像处理

2024-07-11 20:18| 来源: 网络整理| 查看: 265

转自知乎：https://zhuanlan.zhihu.com/p/267832794,仅供学习。

利用一张图片的颜色去修改另一张图片的颜色风格。

原理是利用颜色空间的正交化，即更改某个颜色，不会影响到其它属性。这里的色彩迁移的论文则是使用了LAB空间（RGB颜色空间是非正交化空间）。

这里使用python3.7.6+opencv4.4.0实现。

选用优化后的算法效率提升很大。

颜色迁移 1.先将图像转换为LAB格式： img=cv2.cvtColor(img, cv2.COLOR_BGR2LAB) 2.再将源图像的均值和方差变换到目标颜色图像的均值和方差：

(1) : 源图像的LAB分别进行零均值和单位方差化

x_mean, x_std = cv2.meanStdDev(img) x_mean = np.hstack(np.around(x_mean, 2)) x_std = np.hstack(np.around(x_std, 2))

(2) 然后归一化后的原图像各通道乘以目标色图像的LAB各通道方差，再加上目标色图像的LAB各通道均值

height, width, channel = img.shape for i in range(0, height): for j in range(0, width): for k in range(0, channel): x = sc[i, j, k] x = ((x - s_mean[k]) * (t_std[k] / s_std[k])) + t_mean[k] # round or +0.5 x = round(x) # boundary check x = 0 if x 255 else x sc[i, j, k] = x

(3).最后再将图像转换为RGB格式：

cv2.cvtColor(res, cv2.COLOR_LAB2BGR)

下面演示颜色迁移效果：

在这里插入图片描述 4种待借鉴的颜色风格 4种迁移的效果图像速度慢源码：

def get_mean_and_std(img): x_mean, x_std = cv2.meanStdDev(img) x_mean = np.hstack(np.around(x_mean, 2)) x_std = np.hstack(np.around(x_std, 2)) return x_mean, x_std def color_transfer(sc, dc): sc = cv2.cvtColor(sc, cv2.COLOR_BGR2LAB) s_mean, s_std = get_mean_and_std(sc) dc = cv2.cvtColor(dc, cv2.COLOR_BGR2LAB) t_mean, t_std = get_mean_and_std(dc) height, width, channel = sc.shape for i in range(0, height): for j in range(0, width): for k in range(0, channel): x = sc[i, j, k] x = ((x - s_mean[k]) * (t_std[k] / s_std[k])) + t_mean[k] # round or +0.5 x = round(x) # boundary check x = 0 if x 255 else x sc[i, j, k] = x dst = cv2.cvtColor(sc, cv2.COLOR_LAB2BGR) return dst sc = cv2.imread("sc.bmp", 1) dc = cv2.imread("sc.bmp", 1) dst = color_transfer(sc, dc) cv2.imshow("dst", dst) cv2.waitKey()

后由小伙伴优化了算法，经测试速度灰常快，感谢这位小伙伴：

import cv2 import numpy as np import time def get_mean_and_std(img): x_mean, x_std = cv2.meanStdDev(img) x_mean = np.hstack(np.around(x_mean, 2)) x_std = np.hstack(np.around(x_std, 2)) return x_mean, x_std def color_transfer(sc, dc): sc = cv2.cvtColor(sc, cv2.COLOR_BGR2LAB) s_mean, s_std = get_mean_and_std(sc) dc = cv2.cvtColor(dc, cv2.COLOR_BGR2LAB) t_mean, t_std = get_mean_and_std(dc) img_n = ((sc-s_mean)*(t_std/s_std))+t_mean np.putmask(img_n, img_n > 255, 255) np.putmask(img_n, img_n

【本文地址】

公司简介

联系我们