私はPython OpenCVを初めて使用しています。いくつかのドキュメントと回答を読みました ここ ですが、次のコードの意味がわかりません。
_if (self.array_alpha is None):
self.array_alpha = np.array([1.25])
self.array_beta = np.array([-100.0])
# add a beta value to every pixel
cv2.add(new_img, self.array_beta, new_img)
# multiply every pixel value by alpha
cv2.multiply(new_img, self.array_alpha, new_img)
_
そのことを知るようになりました_Basically, every pixel can be transformed as X = aY + b where a and b are scalars.
_。基本的に、私はこれを理解しました。しかし、私はコードとこれとのコントラストを上げる方法を理解していませんでした。
これまでは、img = cv2.imread('image.jpg',0)
を使用して画像を簡単に読み取ることができました。
ご協力いただきありがとうございます
LABカラーチャンネルを使った方法を提案したいと思います。ウィキペディアには、LABカラーチャンネルについて十分な情報があります。
OpenCV 3.0.0とpythonを使用して次のことを行いました。
import cv2
#-----Reading the image-----------------------------------------------------
img = cv2.imread('Dog.jpg', 1)
cv2.imshow("img",img)
#-----Converting image to LAB Color model-----------------------------------
lab= cv2.cvtColor(img, cv2.COLOR_BGR2LAB)
cv2.imshow("lab",lab)
#-----Splitting the LAB image to different channels-------------------------
l, a, b = cv2.split(lab)
cv2.imshow('l_channel', l)
cv2.imshow('a_channel', a)
cv2.imshow('b_channel', b)
#-----Applying CLAHE to L-channel-------------------------------------------
clahe = cv2.createCLAHE(clipLimit=3.0, tileGridSize=(8,8))
cl = clahe.apply(l)
cv2.imshow('CLAHE output', cl)
#-----Merge the CLAHE enhanced L-channel with the a and b channel-----------
limg = cv2.merge((cl,a,b))
cv2.imshow('limg', limg)
#-----Converting image from LAB Color model to RGB model--------------------
final = cv2.cvtColor(limg, cv2.COLOR_LAB2BGR)
cv2.imshow('final', final)
#_____END_____#
そのままコードを実行できます。 CLAHE(コントラスト制限適応ヒストグラムイコライゼーション)について理解するには、ウィキペディアをもう一度確認してください。
\\この投稿は元の投稿から大幅に編集されています。元の回答のカーネルは以下のメモに保存されています\\
Pythonの場合、コントラストを提供するOpenCV関数は見つかりませんでした。他の人が示唆しているように、自動的にコントラストを上げるいくつかのテクニックがあります。
公式OpenCVドキュメント では、この方程式を使用してコントラストと明るさの両方を同時に適用できることが推奨されています。
new_img = alpha * old_img + beta
ここで、アルファはコントラストに対応し、ベータは明るさです。さまざまなケース
alpha 1 beta 0 --> no change
0 < alpha < 1 --> lower contrast
alpha > 1 --> higher contrast
-127 < beta < +127 --> good range for brightness values
C/C++では、cv :: Mat :: convertToを使用してこの方程式を実装できますが、Pythonからライブラリのその部分にアクセスすることはできません。 Pythonでこれを行うには、 cv :: addWeighted 関数を使用することをお勧めします。この関数は高速で、出力を0から255の範囲に自動的に強制します(たとえば、24ビットのカラー画像の場合)。 、チャネルあたり8ビット)。
import cv2
img = cv2.imread('input.png')
# call addWeighted function. use beta = 0 to effectively only operate one one image
out = cv2.addWeighted( img, contrast, img, 0, brightness)
output = cv2.addWeighted
最初に投稿したように、このオンラインGIMPブックからこの式を参照しました]( http://pippin.gimp.org/image_processing/chap_point.html )は
new_image =(old_image-0.5)×コントラスト+ 0.5
コントラストスケールを-127から+127に変更するためのこの変更された式:
new_image =(old_image)×(contrast/127 + 1)-コントラスト
これらの式は、明るさとコントラストの両方の変化をもたらしますが、弱点があります。
ここからは、写真編集プログラムで一般的に見られる動作、具体的にはGIMPでの動作を再現してみます。
GIMPでは、コントラストレベルは-127から+127です。私は式 ここから をその範囲に合うように調整しました。
f = 131 *(コントラスト+ 127)/(127 *(131-コントラスト))
new_image = f *(old_image-127)+ 127 = f *(old_image)+ 127 *(1-f)
明るさを理解するために、明るさとレベルの関係を理解し、解決策に到達するために this levels post の情報を使用しました。
#pseudo code
if brightness > 0
shadow = brightness
highlight = 255
else:
shadow = 0
highlight = 255 + brightness
new_img = ((highlight - shadow)/255)*old_img + shadow
それをすべてまとめて、 SC SIPI からの参照「マンドリル」イメージを使用して追加します。
import cv2
import numpy as np
# Open a typical 24 bit color image. For this kind of image there are
# 8 bits (0 to 255) per color channel
img = cv2.imread('mandrill.png') # mandrill reference image from USC SIPI
s = 128
img = cv2.resize(img, (s,s), 0, 0, cv2.INTER_AREA)
def apply_brightness_contrast(input_img, brightness = 0, contrast = 0):
if brightness != 0:
if brightness > 0:
shadow = brightness
highlight = 255
else:
shadow = 0
highlight = 255 + brightness
alpha_b = (highlight - shadow)/255
gamma_b = shadow
buf = cv2.addWeighted(input_img, alpha_b, input_img, 0, gamma_b)
else:
buf = input_img.copy()
if contrast != 0:
f = 131*(contrast + 127)/(127*(131-contrast))
alpha_c = f
gamma_c = 127*(1-f)
buf = cv2.addWeighted(buf, alpha_c, buf, 0, gamma_c)
return buf
font = cv2.FONT_HERSHEY_SIMPLEX
fcolor = (0,0,0)
blist = [0, -127, 127, 0, 0, 64] # list of brightness values
clist = [0, 0, 0, -64, 64, 64] # list of contrast values
out = np.zeros((s*2, s*3, 3), dtype = np.uint8)
for i, b in enumerate(blist):
c = clist[i]
print('b, c: ', b,', ',c)
row = s*int(i/3)
col = s*(i%3)
print('row, col: ', row, ', ', col)
out[row:row+s, col:col+s] = apply_brightness_contrast(img, b, c)
msg = 'b %d' % b
cv2.putText(out,msg,(col,row+s-22), font, .7, fcolor,1,cv2.LINE_AA)
msg = 'c %d' % c
cv2.putText(out,msg,(col,row+s-4), font, .7, fcolor,1,cv2.LINE_AA)
cv2.putText(out, 'OpenCV',(260,30), font, 1.0, fcolor,2,cv2.LINE_AA)
cv2.imwrite('out.png', out)
GIMPで画像を手動で処理し、Python/OpenCVでテキストタグを追加しました。
注:@UtkarshBhardwajは、Python 2.xユーザーは、コントラスト補正計算コードを浮動小数点にキャストして次のような浮動結果:
...
if contrast != 0:
f = float(131*(contrast + 127))/(127*(131-contrast))
...
明るさとコントラストは、それぞれアルファ(_α
_)とベータ(_β
_)を使用して調整できます。式は次のように書くことができます
OpenCVはこれを cv2.convertScaleAbs()
としてすでに実装しています。ユーザー定義のalpha
とbeta
の値を提供するだけです
_import cv2
image = cv2.imread('1.jpg')
alpha = 1.5 # Contrast control (1.0-3.0)
beta = 0 # Brightness control (0-100)
adjusted = cv2.convertScaleAbs(image, alpha=alpha, beta=beta)
cv2.imshow('original', image)
cv2.imshow('adjusted', adjusted)
cv2.waitKey()
_
前_->
_後
注:自動輝度/コントラスト調整については、 カラー写真の自動コントラストと輝度調整をご覧ください
_X = aY + b
_(実際にはf(x) = ax + b
))の最良の説明は https://math.stackexchange.com/a/906280/357701 にあります
以下のようにコントラストの明るさ/輝度/明るさを調整するだけのシンプルなもの:
_import cv2
img = cv2.imread('test.jpg')
cv2.imshow('test', img)
cv2.waitKey(1000)
imghsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
imghsv[:,:,2] = [[max(pixel - 25, 0) if pixel < 190 else min(pixel + 25, 255) for pixel in row] for row in imghsv[:,:,2]]
cv2.imshow('contrast', cv2.cvtColor(imghsv, cv2.COLOR_HSV2BGR))
cv2.waitKey(1000)
raw_input()
_