如何减少拼接图像之间的颜色差异以实现平滑的颜色过渡？

机器学习中减弱不同图像数据色调及颜色深浅差异

关键词：消除不同图像数据色调差异/消除颜色深浅差异/病理/机器学习/深度学习/人工智能

机器学习训练图像数据时可能会因为图像数据之间的颜色深浅，色调等影响训练和预测结果，本方法可以减弱颜色深浅/色调不同对训练造成的影响

本栗子用到的是彩色图片

1 2 3 4 5 6 7 8 9 10 11 12 13 14

import numpy as np import cv2 import histomicstk as htk   root = 'list.txt' infer_path = './abc.png' infer = cv2.imread(infer_path) for path in open(root):     path = path.replace('\n', '')     print('>>>',path)     input_img = cv2.imread(path)     meanRef, stdRef = htk.preprocessing.color_conversion.lab_mean_std(infer)     imNmzd = htk.preprocessing.color_normalization.reinhard(input_img, meanRef, stdRef)     cv2.imwrite(path, imNmzd)

　　其中 histomicstk为某个库，可使用pip install histomicstk安装，root为目标文件遍历的列表（可参考我写的上一篇笔记），infer_path为标准化图像（用人眼观察主观得到的感觉颜色/色调等都不错的图片）

我正在拼接多张图像，但我想改善它们之间的色彩过渡。这是两个图像:

• http://imgur.com/nG5I0nr
• http://imgur.com/EZFzNeL
• 这是缝合的图像:
• http://imgur.com/C23iOqJ
• 您可能会看到，颜色过渡非常差。我想让它们看起来像是相同的图像(或至少接近它)
  
  我目前的操作方式:
  
  我首先使用filter2D删除接缝，然后使用Laplacian变换获取图像连接点的遮罩，然后使用此遮罩进行修复:
  
  接缝去除:

  kernel = np.ones((5,5),np.float32)/25
  seam_removal = cv2.filter2D(data_map,-1,kernel)
  

  
  这是我获得的图像连接点的蒙版，并使用此蒙版在一些膨胀后进行修补:
• http://imgur.com/L3tmlGy
• 但是，正如您在最终图像中看到的那样，这根本无法改善混合效果。

   

   

  最佳答案

  我不知道这是一个好主意，但我认为您可以使用Kmeans来“调整”图像的颜色。
  
  首先，您将图像转换为 RGB

  image= cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
  

  
  第二，使用 Kmeans 算法训练第一张图像并找出“簇颜色”

  clt = KMeans(n_clusters = 20)
  clt.fit(img1)
  colors = clt.cluster_centers_
  

  
  通过使用在步骤2中找到的群集颜色来转换图像2中的颜色，来生成第三个。您可以参考此tutorial。
  
  最后，只需将两个图像合并为一个即可。
  
  我有第二种方法，那就是您可以将两个图像的色调更改为相同的色调。您可以看看