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
您似乎在使用} package 使用numpy向量化操作,并在更短的时间内得到答案
colormath
库,它可以很好地进行数学运算,但速度非常慢。^{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: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} 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):
color-science
对每个像素的^{然后你可能会想要整个图像的平均值:
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: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
相关问题 更多 >
编程相关推荐