CIEDE2000的Python实现批量比较两个文件夹中图片的色差

from skimage.color import deltaE_ciede2000
import cv2
import os
import numpy as np

folder1 = "folder1"   #这里修改为你的文件夹路径
folder2 = "folder2"   #这里修改为你的文件夹路径

files1 = os.listdir(folder1)
files2 = os.listdir(folder2)

ciede_values_list = []

for idx, (file1, file2) in enumerate(zip(files1, files2), start=1):
    im1 = cv2.imread(os.path.join(folder1, file1))
    im2 = cv2.imread(os.path.join(folder2, file2))

    im1_lab = cv2.cvtColor(im1, cv2.COLOR_BGR2LAB).astype(np.float32)
    im2_lab = cv2.cvtColor(im2, cv2.COLOR_BGR2LAB).astype(np.float32)
    ciede_values = deltaE_ciede2000(im1_lab, im2_lab).mean()

    ciede_values_list.append(ciede_values)
    print(f"Processing pair {idx}: {file1} and {file2}")

avg_ciede = np.mean(ciede_values_list)
print(f"Average CIEDE_2000: {avg_ciede}")

使用前先在虚拟环境中导入必要的包,为了使用方便,可以将该py代码和两个文件夹放在同一目录内。

  • 2
    点赞
  • 5
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
CIEDE2000色差公式是一种用于计算颜色之间差异的公式,它考虑了颜色感知的非线性,因此在衡量人眼观察到的颜色差异方面更准确。下面是一个简单的Python实现: ```python import math def ciede2000(L1, a1, b1, L2, a2, b2): # 定义一些常量 K_l = 1 K_c = 1 K_h = 1 # 计算C1和C2 C1 = math.sqrt(math.pow(a1, 2) + math.pow(b1, 2)) C2 = math.sqrt(math.pow(a2, 2) + math.pow(b2, 2)) # 计算平均C值 C_bar = (C1 + C2) / 2 # 计算G G = 0.5 * (1 - math.sqrt(math.pow(C_bar, 7) / (math.pow(C_bar, 7) + math.pow(25, 7)))) # 计算a'1和a'2 a1_p = (1 + G) * a1 a2_p = (1 + G) * a2 # 计算C'1和C'2 C1_p = math.sqrt(math.pow(a1_p, 2) + math.pow(b1, 2)) C2_p = math.sqrt(math.pow(a2_p, 2) + math.pow(b2, 2)) # 计算h'1和h'2 h1_p = math.atan2(b1, a1_p) h2_p = math.atan2(b2, a2_p) if h1_p * h2_p < 0: h_p = (h1_p + h2_p + 2 * math.pi) / 2 else: h_p = (h1_p + h2_p) / 2 # 计算delta_L_p、delta_C_p和delta_h_p delta_L_p = L2 - L1 delta_C_p = C2_p - C1_p if C1_p * C2_p == 0: delta_h_p = 0 elif abs(h1_p - h2_p) <= math.pi: delta_h_p = h2_p - h1_p elif h2_p - h1_p > math.pi: delta_h_p = h2_p - h1_p - 2 * math.pi elif h2_p - h1_p < -math.pi: delta_h_p = h2_p - h1_p + 2 * math.pi delta_H_p = 2 * math.sqrt(C1_p * C2_p) * math.sin(delta_h_p / 2) # 计算Lp、Cp和Hp L_p = (L1 + L2) / 2 C_p = (C1_p + C2_p) / 2 if C1_p * C2_p == 0: H_p = h1_p + h2_p elif abs(h1_p - h2_p) > math.pi and h2_p + h1_p < 2 * math.pi: H_p = h1_p + h2_p + 2 * math.pi elif abs(h1_p - h2_p) > math.pi and h2_p + h1_p >= 2 * math.pi: H_p = h1_p + h2_p - 2 * math.pi else: H_p = h1_p + h2_p delta_theta = math.radians(30) * math.exp(-1 * math.pow(((math.degrees(H_p) - 275) / 25), 2)) # 计算RT R_T = -2 * math.sqrt(math.pow(C_p, 7) / (math.pow(C_p, 7) + math.pow(25, 7))) * math.sin(2 * delta_theta) # 计算CIEDe2000色差值 delta_E = math.sqrt(math.pow(delta_L_p / (K_l * 1), 2) + math.pow(delta_C_p / (K_c * 1), 2) + math.pow(delta_H_p / (K_h * 1), 2) + R_T * (delta_C_p / (K_c * 1)) * (delta_H_p / (K_h * 1))) return delta_E ``` 这个函数接受两个颜色的Lab值作为输入,并返回它们之间的CIEDE2000色差值。您可以将L1,a1,b1作为第一个颜色的亮度,色度和色度方向值传递,将L2,a2,b2作为第二个颜色的值传递。请注意,这只是一个简单的实现,实际应用可能需要更多的错误处理和边界情况的考虑。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

W&W_O.o

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值