使用Python和OpenCV在圖像之間執(zhí)行超快速的顏色轉(zhuǎn)換

• • 1. 效果圖
  • 2. 原理
  • • 2.1 顏色轉(zhuǎn)移算法
    • 2.2 步驟
    • 2.3 算法改進(jìn)
  • 3. 源碼
  • 參考

這篇博客將介紹如何使用Python和OpenCV在圖像之間執(zhí)行超快速的顏色轉(zhuǎn)換。
與Reinhard基于直方圖的顏色傳遞方法不同，該方法嚴(yán)格依賴Lab*顏色空間中像素強(qiáng)度的平均值和標(biāo)準(zhǔn)偏差，因此非常高效，能夠快速處理非常大的圖像。

1. 效果圖

如下圖所示，將左圖水母藍(lán)轉(zhuǎn)移到中間珊瑚紅上，得到轉(zhuǎn)換空間后的圖想藍(lán)紅珊瑚圖

效果圖2如下，將原圖珊瑚紅的色彩轉(zhuǎn)移到中間水母藍(lán)圖像上，得到右側(cè)的有點(diǎn)紫白蘭的水母圖

2. 原理

2.1 顏色轉(zhuǎn)移算法

有倆種方法可以實(shí)現(xiàn)顏色轉(zhuǎn)換：

1. 基于直方圖的方法，該方法旨在平衡三種“類型”的垃圾箱：相等、過量和不足。
   該方法效果好，但以犧牲速度為代價(jià)。使用此算法需要對(duì)源圖像中的每個(gè)像素執(zhí)行查找，這將隨著圖像大小的增長而變得非常昂貴。

2. 顏色轉(zhuǎn)移算法——它只使用L * a * b 圖像通道的平均值和標(biāo)準(zhǔn)偏差。沒有復(fù)雜的代碼，沒有計(jì)算直方圖，只是簡單的統(tǒng)計(jì)數(shù)字。這種方法可以輕松地處理巨大的圖像。

通過分別利用Lab顏色空間和每個(gè)L、a和b通道的平均值和標(biāo)準(zhǔn)偏差，可以在兩幅圖像之間傳遞顏色。

2.2 步驟

1. 輸入源圖像和目標(biāo)圖像。源圖像包含希望目標(biāo)圖像模擬的顏色空間。左側(cè)的日落圖像是我的源，中間的圖像是我的目標(biāo)，右側(cè)的圖像是應(yīng)用于目標(biāo)的源的顏色空間。
2. 將源圖像和目標(biāo)圖像轉(zhuǎn)換為Lab顏色空間。**Lab顏色空間模擬感知一致性，其中顏色值的微小變化也應(yīng)產(chǎn)生顏色重要性的相對(duì)相等變化。與標(biāo)準(zhǔn)RGB顏色空間相比，Lab*顏色空間在模擬人類如何解讀顏色方面做得更好，它在顏色傳遞方面非常有效。**
3. 拆分源和目標(biāo)的通道。
4. 計(jì)算源圖像和目標(biāo)圖像的每個(gè)Lab*通道的平均值和標(biāo)準(zhǔn)偏差。
5. 從目標(biāo)通道中減去目標(biāo)圖像的Lab*通道的平均值。
6. 通過目標(biāo)的標(biāo)準(zhǔn)偏差除以源的標(biāo)準(zhǔn)偏差，再乘以目標(biāo)通道，對(duì)目標(biāo)通道進(jìn)行縮放。
7. 為源添加Lab*通道的方式。
8. 剪裁范圍[0，255]之外的任何值(注意：此步驟不是原始文件的一部分。我添加它是因?yàn)镺penCV處理顏色空間轉(zhuǎn)換的方式。如果要在不同的語言/庫中實(shí)現(xiàn)此算法，則必須自己執(zhí)行顏色空間轉(zhuǎn)換，或者了解庫如何進(jìn)行轉(zhuǎn)換）。
9. 將頻道重新合并在一起。
10. 從Lab*空間轉(zhuǎn)換回RGB顏色空間。

2.3 算法改進(jìn)

雖然Reinhard等人的算法速度極快，但有一個(gè)特別的缺點(diǎn)——它依賴于全局顏色統(tǒng)計(jì)，因此具有類似像素強(qiáng)度值的大區(qū)域會(huì)顯著影響平均值（從而影響整體顏色轉(zhuǎn)移）。

優(yōu)化可以考慮兩種方案：

1. 在較小的感興趣區(qū)域（ROI）中計(jì)算源圖像的平均值和標(biāo)準(zhǔn)偏差，ROI是希望模擬的顏色，而不是使用整個(gè)圖像。采用這種方法將使平均值和標(biāo)準(zhǔn)偏差更好地表示期望使用的顏色空間。

2. 對(duì)兩幅圖像應(yīng)用k均值聚類。可以在Lab*顏色空間中對(duì)每個(gè)圖像的像素強(qiáng)度進(jìn)行聚類，然后使用歐幾里德距離確定兩個(gè)圖像之間最相似的質(zhì)心。然后，只計(jì)算這些區(qū)域內(nèi)的統(tǒng)計(jì)數(shù)據(jù)。同樣這將使平均值和標(biāo)準(zhǔn)差產(chǎn)生更“局部”的影響，并有助于緩解全局統(tǒng)計(jì)數(shù)據(jù)的過度代表性問題。 缺點(diǎn)是這種方法速度要慢得多。

3. 源碼

# USAGE
# python example.py --source images/sm.jpg --target images/sh.jpgimport argparseimport cv2
# 導(dǎo)入必要的類
from color_transfer import color_transferdef show_image(title, image, width=300):# 縮放照片為固定寬度像素，默認(rèn)300像素r = width / float(image.shape[1])dim = (width, int(image.shape[0] * r))resized = cv2.resize(image, dim, interpolation=cv2.INTER_AREA)# 展示縮放的照片cv2.imshow(title, resized)def str2bool(v):if v.lower() in ('yes', 'true', 't', 'y', '1'):return Trueelif v.lower() in ('no', 'false', 'f', 'n', '0'):return Falseelse:raise argparse.ArgumentTypeError('Boolean value expected.')# 構(gòu)建命令行參數(shù)及解析
ap = argparse.ArgumentParser()
ap.add_argument("-s", "--source", required=True,help="Path to the source image")
ap.add_argument("-t", "--target", required=True,help="Path to the target image")
ap.add_argument("-o", "--output", help="Path to the output image (optional)")
args = vars(ap.parse_args())# 加載照片
source = cv2.imread(args["source"])
target = cv2.imread(args["target"])# 轉(zhuǎn)換原圖的顏色到目標(biāo)圖像
transfer = color_transfer(source, target)# 檢查是否保存輸出圖像
if args["output"] is not None:cv2.imwrite(args["output"], transfer)# 展示照片直至按鍵
show_image("Source", source)
show_image("Target", target)
show_image("Transfer", transfer)
cv2.waitKey(0)

參考

• https://www.pyimagesearch.com/2014/06/30/super-fast-color-transfer-images/
• https://github.com/seminar2012/color_transfer

總結(jié)

以上是生活随笔為你收集整理的使用Python和OpenCV在图像之间执行超快速的颜色转换的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。