Bildverarbeitung mit Python & OpenCV [Tonkurve]

Einführung

In diesem Artikel wird hauptsächlich die Bildverarbeitung mit ** Tonkurve ** vorgestellt. Das Lehrbuch hat Tonkurve, aber keinen Code ... Es kann für diejenigen sein, die sich fragen, welche Art von Code erreicht werden kann.

Wenn Sie Tone Curve nicht kennen und diesen Artikel lesen Es wäre schön, wenn Sie dies leicht durch "Einführung" von [] tc herausfinden könnten.

Tonwertkurve, Ausgabebild (Farbe, Graustufen), Konvertierungsfunktion Ich werde sie in der Reihenfolge von vorstellen.

Betriebsumgebung

Terminal: Windows 10
Konsole: cmd(Eingabeaufforderung)
python：3.6.8
Virtuelle Umgebung: venv

Inhaltsverzeichnis

• [** Negative / Positive Inversion **](#Negative / Positive Inversion)
• [** Gefaltete Linientonkurve **](# Gefaltete Linientonkurve)
• [Tonkurve 1 für gebogene Linie](# Tonkurve 1 für gefaltete Linie)
• [Tonkurve 2 vom Typ gebogener Linie](# Tonkurve 2 vom Typ gebogener Linie)
• [** S-förmige Tonkurve **](# s-förmige Tonkurve)
• [** Gamma-Konvertierungstonkurve **](# Gamma-Konvertierungstonkurve)
• [** Solarisation **](# Solarisation)
• ** Posterisierung **
• [** 2 Bewertung **](# 2 Bewertung)

Einführung

Es gibt zwei Eingabebilder wie folgt.

Farbe	Graustufen

Ich habe OpenCVs "cv2.cvtColor ()" für die Grauskalierung verwendet.

Wie sich Farbbilder und Graustufenbilder ändern Ich werde es vorstellen.

Auch wenn der Rückgabewert von der Funktion von der Funktion cv2.imwrite () usw. gelesen wird. Sie können es speichern.

▷ Negative / positive Umkehrung

Invertieren Sie den Pixelwert wie der Name schon sagt. (* Daraus ergibt sich, dass * x * in der Formel der Pixelwert ist.)

f(x) = 255 - x

Tonwertkurve

Ausgabebild

• Farbe

input	output

• Graue Skala

input	output

Funktion

Konvertierungsfunktion

def negaPosi(frame):
    return 255 - frame

▷ Gefaltete lineare Tonkurve

Ich werde mit dem zuvor eingeführten Artikel behandelt ... Wenn Sie mehr Details sehen möchten, würde ich mich freuen, wenn Sie den Artikel lesen.

Hier wird die Tonkurve für n = 2 ausgegeben. (* N ist der Wert dafür, wie oft der Pixelwert multipliziert wird.)

◆ Gefaltete Linientyp-Tonkurve 1

Eine Konvertierung, die den Kontrast des Bildes erhöht.

f(x) = \begin{cases} 2 \cdot x & (x < 128) \\ 255 & (otherwise)
  \end{cases}

Tonwertkurve

Ausgabebild

• Farbe

input	output

• Graue Skala

input	output

Funktion

Konvertierungsfunktion

def toneCurve1(frame, n = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        if i < 256 / n:
            look_up_table[i][0] = i * n
        else:
            look_up_table[i][0] = 255
    return cv2.LUT(frame, look_up_table)

◆ Gefaltete Linientonkurve 2

Dies ist eine Konvertierung, die den Kontrast in Bezug auf die Oberseite verringert.

f(x) = \begin{cases} 0 & (x < 128) \\ 2 \cdot x - 255 & (otherwise)
  \end{cases}

Tonwertkurve

Ausgabebild

• Farbe

input	output

• Graue Skala

input	output

Funktion

Konvertierungsfunktion

def toneCurve2(frame, n = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        if i < 256 - 256 / n :
            look_up_table[i][0] = 0
        else:
            look_up_table[i][0] = i * n - 255 * (n - 1)
    return cv2.LUT(frame, look_up_table)

▷ S-förmige Tonkurve

Diese S-Ton-Kurve ist in hellen Bereichen heller Dunkle Bereiche sind Transformationen, die dunkler betonen.

f(x) = \frac {255}{2} \cdot \left\{\sin\left(\frac {x}{255} - \frac {1}{2}\right)\pi + 1\right\}

Tonwertkurve

Ausgabebild

• Farbe

input	output

• Graue Skala

input	output

Das Bild ist irgendwo klar.

Funktion

Konvertierungsfunktion

def sToneCurve(frame):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = 255 * (np.sin(np.pi * (i/255 - 1/2)) + 1) / 2
    return cv2.LUT(frame, look_up_table)

▷ Gamma-Konvertierungstonkurve

In der gestrichelten Linie geben Sie die Tonkurve früher ein Es gibt einen Teil, in dem die Schattierungsinformationen verloren gehen, nachdem sie in einen konstanten Wert (0, 255) konvertiert wurden. Bei der Gammakonvertierung kann die Konvertierung durchgeführt werden, während die Schattierungsinformationen dieses Teils erhalten bleiben.

f(x) = 255 \cdot \left(\frac {x}{255}\right)^\frac{1}{\gamma}

Tonwertkurve

Hier sind einige Muster von γ-Werten.

Ausgabebild

• Farbe

input	γ = 3	γ = 2
γ = 1	γ = 0.5	γ = 1 / 3

• Graue Skala

input	γ = 3	γ = 2
γ = 1	γ = 0.5	γ = 1 / 3

Offensichtlich ist das Bild von γ = 1 und die Eingabe dasselbe.

Funktion

Konvertierungsfunktion

def gammaCurve(frame, gamma = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = pow(i / 255, 1 / gamma) * 255
    return cv2.LUT(frame, look_up_table)

▷ Solarisation

Das Bild sieht aus wie eine Mischung aus negativen und positiven Bildern.

Die in meiner Solarisation verwendete Umrechnungsformel lautet wie folgt.

f(x) = \frac {255}{2} \cdot \sin\left\{3\pi\left(\frac {x}{255} - \frac {1}{2}\right)\right\}

Tonwertkurve

Ausgabebild

• Farbe

input	output

• Graue Skala

input	output

Funktion

Konvertierungsfunktion

def soralization(frame):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = (np.sin(3 * np.pi * (i / 255 + 1 / 2 )) + 1) * 255 / 2
    return cv2.LUT(frame, look_up_table)

▷ Posterisierung

Der Pixelwert wird allmählich konstant gemacht. Es wird ein malerisches Bild sein.

Als Ausgabe wird ein Muster ausgegeben, in dem der Pixelwert in 2, 3 und 4 Stufen unterteilt ist.

Tonwertkurve

• Schritt * = 53 ist ein Bonus (aufgrund von Randproblemen).

Ausgabebild

• Farbe

input	step = 2
step = 3	step = 4

• Graue Skala

input	step = 2
step = 3	step = 4

Es sieht aus wie eine Postkarte.

Funktion

Konvertierungsfunktion

def posterization(frame, step = 4):
    if 1 < step and step <= 256:
        look_up_table = np.zeros((256, 1), dtype = 'uint8')
        split = int(256 / (step - 1))
        up = int(256 / step)
        for i in range(256):
            if np.trunc(i / up) * split >= 255:
                look_up_table[i][0] = 255
            else:
                look_up_table[i][0] = np.trunc(i / up) * split
        return cv2.LUT(frame, look_up_table)
    else:
        return frame

Wahrscheinlich der schwierigste Teil bei der Entwicklung dieses Codes ... Wenn Sie einen besseren Weg haben, unterrichten Sie mich bitte.

▷ Binarisierung

Ab der Schwelle n ** Wert wenn klein 0 ist (Mindestwert) ** ** Eine Konvertierung, die den Wert ändert, wenn er groß ist, auf 255 (Maximalwert) **.

Ich habe es diesmal nicht verwendet, aber in der cv2-Bibliothek [Validierungsfunktion](http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_imgproc /py_thresholding/py_thresholding.html). Es gibt "cv2.adaptiveThreshold ()" und "cv2.threshold ()".

f(x) = \begin{cases}
       0 & (x < n) \\ 255 &(otherwise)
\end{cases}

Tonwertkurve

Diesmal ist die Ausgabe für den Fall, dass der Schwellenwert n = {50, 128, 200} ist.

Ausgabebild

• Farbe

input	n = 50
n = 128	n = 200

• Graue Skala

input	n = 50
n = 128	n = 200

Funktion

Konvertierungsfunktion

def threshold(frame, threshold_v = 50):
    frame[frame < threshold_v] = 0
    frame[frame >= threshold_v] = 255
    return frame

Hauptfunktion

ex.py

import cv2
import numpy as np

#Funktionen(Kürzung)

def main():
    img_path = '.\\image\\castle.jpg' #Geben Sie das Bild beliebig an
    img = cv2.imread(img_path)
    frame = grayScale(img)
    #Funktion aufrufen,Bitte üben.
    #Beispiel:
    # cv2.imwrite('tone_changed.jpg', negaPosi(img))

if __name__ == '__main__':
    main()

abschließend

Dieses Mal habe ich die Gradationskonvertierung durch einige Tonkurven eingeführt. Als nächstes denke ich daran, die Bildverarbeitung mit Filtern durchzuführen.

Sie können eine Benutzeroberfläche hinzufügen, um sie praktischer zu gestalten.

Dann: Welle:

Referenz

• [Computergrafik] [Lebenslauf]
• [Bildaufnahmequelle](https://pixabay.com/ja/photos/%E5%9F%8E-%E3%82%B9%E3%82%B3%E3%83%83%E3%83%88 % E3% 83% A9% E3% 83% B3% E3% 83% 89-3619698 /) (Pixabay)

In Verbindung stehender Artikel

• [Lassen Sie uns über die Tonkurve der Bildverarbeitung sprechen ~ LUT ist erstaunlich ~] tc