我目前正试图确定我们的输出图像与使用OpenCV的Python绘制的莫奈绘画之间的颜色差异
通过我的研究,我发现Delta E是测定色差的最佳方法。我试着提取两幅图像的BGR通道,然后取平均值“蓝色”、“绿色”和“红色”,用于计算每个颜色通道的差异
output_chans = cv2.split(image)
monet_chans = cv2.split(best_painting)
colors = ("Blue", "Green", "Red")
for (output_chan, monet_chan, color) in zip(output_chans, monet_chans, colors):
output_mean = np.mean(output_chan)
monet_mean = np.mean(monet_chan)
color1_rgb = None
color2_rgb = None
if color == "Blue":
color1_rgb = sRGBColor(0.0, 0.0, output_mean)
color2_rgb = sRGBColor(0.0, 0.0, monet_mean)
elif color == "Green":
color1_rgb = sRGBColor(0.0, output_mean, 0.0);
color2_rgb = sRGBColor(0.0, monet_mean, 0.0);
elif color == "Red":
color1_rgb = sRGBColor(output_mean, 0.0, 0.0);
color2_rgb = sRGBColor(monet_mean, 0.0, 0.0);
# Convert from RGB to Lab Color Space
color1_lab = convert_color(color1_rgb, LabColor);
# Convert from RGB to Lab Color Space
color2_lab = convert_color(color2_rgb, LabColor);
# Find the color difference
delta_e = delta_e_cie2000(color1_lab, color2_lab);
print("Delta E of the Mean of %s Channel: %f" % (color, delta_e))
我收到了每个颜色通道的色差的输出,但是我的教授建议我可能做得不对,因为我应该只得到整个图像的色差的一个值,而不是每三个颜色通道的一个值。在这种情况下,有没有其他方法或正确的方法来计算两幅图像的Delta E
这是到我们的测试图像样本的链接:https://imgur.com/a/KToggFS
还有一个指向绘画样本的链接:https://imgur.com/a/vi1SFax
以上答案是正确的。但是,如果您正在寻找更简化的计算Delta E的方法,即通过避免额外的依赖关系。您可以简单地计算两幅图像之间的欧几里德距离并取平均值
您似乎正在使用} package 使用numpy对操作进行矢量化,并在更短的时间内得到答案
colormath
库,它可以很好地进行计算,但速度非常慢。^{您正在使用的
cv2
库具有您所需的一些转换的简单版本,例如,您可以通过以下方式获得大部分转换:但请注意,如果先转换为浮动,可能会得到更好的结果:
然后使用} 的最终调用(但请注意,这些都是矢量化的,所以您只需给它所有内容的数组,它就可以一次高效地完成所有操作):
color-science
作为每个像素对^{然后你可能会想知道整个图像的平均值:
但中位数、分位数或绘制分布图会提供更多信息
请注意,如果您关心颜色空间,并且需要对从RGB到Lab的转换进行更多控制,则可以通过
colour-science
获得更多的控制,粗略的模板如下所示:在这个过程中有很多关于如何进行转换的选项,请参见文档中的^{} 和^{}
相关问题 更多 >
编程相关推荐