如何计算两幅图像之间的Delta E

Question

我目前正在尝试使用OpenCV来确定我们的输出图像和一幅用Python绘制的Monet之间的色差。在

根据我的研究，我发现δE是测定色差的最佳方法。我尝试过提取两幅图像的BGR通道，然后取平均的“蓝色”、“绿色”和“红色”颜色来计算每个颜色通道的差异。在

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))

我收到每个颜色通道的色差输出，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我们两个图像的Delta E？在

这是一个指向测试图像示例的链接：https://imgur.com/a/KToggFS

还有一个画作样本的链接：https://imgur.com/a/vi1SFax

Answer 1

您似乎在使用colormath库，它可以很好地进行数学运算，但速度非常慢。^{} package使用numpy向量化操作，并在更短的时间内得到答案

您正在使用的cv2库包含一些您需要的转换的简单版本，例如，您可以通过以下方式实现：

import cv2

image1_rgb = cv2.imread('image1.jpeg')
image2_rgb = cv2.imread('image2.jpeg')

image1_lab = cv2.cvtColor(image1_rgb, cv2.COLOR_RGB2Lab)
image2_lab = cv2.cvtColor(image2_rgb, cv2.COLOR_RGB2Lab)

但请注意，如果先转换为float，则可能会获得更好的结果：

^{pr2}$

然后使用color-science对每个像素的^{}进行最后的调用（但请注意，这些都是矢量化的，所以您只需给它一个数组，它就可以一次高效地完成所有操作）：

import colour

delta_E = colour.delta_E(image1_lab, image2_lab)

然后你可能会想要整个图像的平均值：

np.mean(delta_E)

但中位数、分位数或绘制分布图会给你更多的信息

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，那么使用colour-science可以获得更多的控制，粗略模板如下所示：

image_lab = colour.XYZ_to_Lab(colour.sRGB_to_XYZ(image_srgb))

在这个过程中有很多关于如何进行这种转换的选项，请参见文档中的^{}和^{}。在