目录
效果
将图一效果转换为图二效果色调:
调整后,可实现色调对换
背景
现有两张图像,色调不一致,对于模型重建会有影响。因此需要将不符合需求的image进行白平衡,色调统一。
什么是白平衡?
图像信号处理算法(Image Signal Process,ISP),对图像传感器输出的原始图像进行处理,得到较好的场景还原效果。
其中,3A算法包括:AWB(自动白平衡)、AE(自动曝光)、AF(自动对焦)。
白平衡White Balance,简称WB,是一种相机设置,用于校正照片或视频中的色彩。
白平衡通过调整红、绿、蓝三种颜色的比例,补偿光源的色片,使得图像中白色看起来是真正的白色,从而使整个图像的色彩更加自然准确。
将图像A转换为图像B的色调,这是一个色彩迁移(Color Transfer)的问题。色彩迁移旨在将源图像的颜色风格应用到目标图像中,使得目标图像看起来像是通过类似的光线或色调条件拍摄的。
实现原理
色彩迁移的基本原理是通过分析和调整图像的颜色分布,使源图像的颜色特征(如均值和方差)与目标图像匹配。通常,色彩迁移通过以下几个步骤实现:
- 颜色空间转换:将RGB图像转换到一种颜色空间,如LAB或LUV。这些颜色空间更适合进行色彩调整,因为它们将亮度与颜色信息分离。
- 统计特征匹配:计算源图像和目标图像在新颜色空间中的统计特征(如均值和方差)。然后,将源图像的颜色分布调整为与目标图像匹配。
- 颜色映射:将调整后的颜色分布映射回原始颜色空间,生成最终的图像。
- 颜色空间逆变换:将图像从LAB或LUV颜色空间转换回RGB,以获得最终结果。
将指定图色调调整为参考图色调主要流程
(1)图像从BGR转换到LAB颜色空间(因为LAB空间更适合进行颜色调整操作)
(2)分别计算参考图和源图 的 均值和标准差
(3)对源图进行标准化,并将参考图的均值和标准差 应用到源图
(4)将调整后的LAB图像转换回BGR颜色空间
示例代码
import cv2
import numpy as np
def match_color(source, reference):
# 将图像从BGR转换为LAB颜色空间
source_lab = cv2.cvtColor(source, cv2.COLOR_BGR2Lab)
reference_lab = cv2.cvtColor(reference, cv2.COLOR_BGR2Lab)
# 计算参考图像的均值和标准差
ref_mean, ref_std = cv2.meanStdDev(reference_lab)
ref_mean = ref_mean.reshape((1, 1, 3))
ref_std = ref_std.reshape((1, 1, 3))
# 计算源图像的均值和标准差
src_mean, src_std = cv2.meanStdDev(source_lab)
src_mean = src_mean.reshape((1, 1, 3))
src_std = src_std.reshape((1, 1, 3))
# 对源图像进行标准化,并应用参考图像的均值和标准差
lab_adjusted = (source_lab - src_mean) * (ref_std / src_std) + ref_mean
# 将调整后的LAB图像转换回BGR颜色空间
lab_adjusted = np.clip(lab_adjusted, 0, 255).astype(np.uint8)
result = cv2.cvtColor(lab_adjusted, cv2.COLOR_Lab2BGR)
return result
# 读取源图像和参考图像,将image_B色调调整为image_A色调
source_image = cv2.imread('image_B.png')
reference_image = cv2.imread('image_A.png')
# 调整色调
result_image = match_color(source_image, reference_image)
# 保存结果
cv2.imwrite('result_1.jpg', result_image)