introduction

Cet article présente principalement le traitement d'image par ** Tone Curve **. Le manuel a Tone Curve, mais pas de code ... C'est peut-être pour ceux qui se demandent quel type de code peut être réalisé.

Si vous ne connaissez pas Tone Curve et lisez cet article Ce serait bien si vous pouviez facilement le découvrir par "Introduction" de [] tc.

Courbe de tonalité, image de sortie (couleur, échelle de gris), fonction de conversion Je vais les présenter dans l'ordre de.

Environnement d'exploitation

Terminal: Windows 10
Console: cmd(invite de commande)
python：3.6.8
Environnement virtuel: venv

table des matières

[** Annulation négative / positive **](# Annulation négative / positive)
[** Courbe de tonalité de ligne pliée **](# Courbe de tonalité de ligne pliée)
[Courbe de tonalité de ligne pliée 1](# Courbe de ton de ligne pliée 1)
[Courbe de tonalité de type ligne pliée 2](# Courbe de tonalité de type ligne pliée 2)
[** courbe de tonalité en forme de S **](courbe de tonalité en forme de # s)
[** Courbe de tonalité de conversion gamma **](# Courbe de tonalité de conversion Gamma)
[** Solarisation **](# Solarisation)
** Postérisation **
[** 2 valuation **](n ° 2 valuation)

introduction

Il y a deux images d'entrée comme suit.

Couleur	Échelle de gris

J'ai utilisé cv2.cvtColor () d'OpenCV pour la mise à l'échelle des gris.

Comment les images en couleur et les images en échelle de gris changent Je vais le présenter.

Aussi, si la valeur de retour de la fonction est lue par la fonction cv2.imwrite () etc. Vous pouvez le sauvegarder.

▷ Inversion négative / positive

Inversez la valeur du pixel comme son nom l'indique. (* À partir de là, * x * dans la formule est la valeur du pixel.)

f(x) = 255 - x

Courbe de ton

Image de sortie

Couleur

input	output

--Échelle grise

input	output

une fonction

`Fonction de conversion`


def negaPosi(frame):
    return 255 - frame

▷ Courbe de ton linéaire pliée

Je serai couvert avec l '[article] précédemment introduit (https://qiita.com/RoaaaA/items/373f309f724c4b569749) ... Si vous voulez voir plus de détails, j'apprécierais que vous lisiez l'article.

Ici, la courbe de tonalité pour n = 2 est sortie. (* N est la valeur de combien de fois la valeur du pixel est multipliée.)

◆ Courbe de tonalité de type ligne pliée 1

Une conversion qui augmente le contraste de l'image.

f(x) = \begin{cases} 2 \cdot x & (x < 128) \\ 255 & (otherwise)
  \end{cases}

Courbe de ton

Image de sortie

Couleur

input	output

--Échelle grise

input	output

une fonction

`Fonction de conversion`


def toneCurve1(frame, n = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        if i < 256 / n:
            look_up_table[i][0] = i * n
        else:
            look_up_table[i][0] = 255
    return cv2.LUT(frame, look_up_table)

◆ Courbe de tonalité de type ligne pliée 2

Il s'agit d'une conversion qui réduit le contraste par rapport au haut.

f(x) = \begin{cases} 0 & (x < 128) \\ 2 \cdot x - 255 & (otherwise)
  \end{cases}

Courbe de ton

Image de sortie

Couleur

input	output

--Échelle grise

input	output

une fonction

`Fonction de conversion`


def toneCurve2(frame, n = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        if i < 256 - 256 / n :
            look_up_table[i][0] = 0
        else:
            look_up_table[i][0] = i * n - 255 * (n - 1)
    return cv2.LUT(frame, look_up_table)

▷ Courbe de ton en forme de S

Cette courbe de tonalité S est plus lumineuse dans les zones lumineuses Les zones sombres sont des transformations qui accentuent les zones sombres.

f(x) = \frac {255}{2} \cdot \left\{\sin\left(\frac {x}{255} - \frac {1}{2}\right)\pi + 1\right\}

Courbe de ton

Image de sortie

Couleur

input	output

--Échelle grise

input	output

L'image est claire quelque part.

une fonction

`Fonction de conversion`


def sToneCurve(frame):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = 255 * (np.sin(np.pi * (i/255 - 1/2)) + 1) / 2
    return cv2.LUT(frame, look_up_table)

▷ Courbe de tonalité de conversion gamma

Dans la courbe de tonalité de type ligne brisée plus tôt Il y a une partie où les informations d'ombrage sont perdues après avoir été converties en une valeur constante (0, 255). Dans la conversion gamma, la conversion peut être effectuée tout en laissant les informations d'ombrage de cette pièce.

f(x) = 255 \cdot \left(\frac {x}{255}\right)^\frac{1}{\gamma}

Courbe de ton

Voici quelques modèles de valeurs γ.

Image de sortie

Couleur

input	γ = 3	γ = 2

γ = 1	γ = 0.5	γ = 1 / 3

--Échelle grise

input	γ = 3	γ = 2

γ = 1	γ = 0.5	γ = 1 / 3

De toute évidence, l'image de γ = 1 et l'entrée seront les mêmes.

une fonction

`Fonction de conversion`


def gammaCurve(frame, gamma = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = pow(i / 255, 1 / gamma) * 255
    return cv2.LUT(frame, look_up_table)

▷ Solarisation

L'image ressemble à un mélange d'images négatives et positives.

La formule de conversion utilisée dans ma solarisation est la suivante.

f(x) = \frac {255}{2} \cdot \sin\left\{3\pi\left(\frac {x}{255} - \frac {1}{2}\right)\right\}

Courbe de ton

Image de sortie

Couleur

input	output

--Échelle grise

input	output

une fonction

`Fonction de conversion`


def soralization(frame):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = (np.sin(3 * np.pi * (i / 255 + 1 / 2 )) + 1) * 255 / 2
    return cv2.LUT(frame, look_up_table)

▷ Postérisation

La valeur du pixel est progressivement rendue constante. Ce sera une image semblable à une peinture.

En sortie, un motif dans lequel la valeur de pixel est divisée en 2, 3 et 4 étages est sorti.

Courbe de ton

step * = 53 est un bonus (en raison de problèmes marginaux).

Image de sortie

Couleur

input	step = 2

step = 3	step = 4

--Échelle grise

input	step = 2

step = 3	step = 4

Cela ressemble à une carte postale.

une fonction

`Fonction de conversion`


def posterization(frame, step = 4):
    if 1 < step and step <= 256:
        look_up_table = np.zeros((256, 1), dtype = 'uint8')
        split = int(256 / (step - 1))
        up = int(256 / step)
        for i in range(256):
            if np.trunc(i / up) * split >= 255:
                look_up_table[i][0] = 255
            else:
                look_up_table[i][0] = np.trunc(i / up) * split
        return cv2.LUT(frame, look_up_table)
    else:
        return frame

Probablement la partie la plus difficile de l'élaboration de ce code ... Si vous avez un meilleur moyen, apprenez-moi s'il vous plaît.

▷ Binarisation

À partir du seuil n ** Valeur lorsque petit est 0 (valeur minimale) ** ** Une conversion qui change la valeur lorsqu'elle est grande à 255 (valeur maximale) **.

Je ne l'ai pas utilisé cette fois, mais dans la bibliothèque cv2 [Fonction de validation](http://labs.eecs.tottori-u.ac.jp/sd/Member/oyamada/OpenCV/html/py_tutorials/py_imgproc /py_thresholding/py_thresholding.html). Il y a «cv2.adaptiveThreshold ()» et «cv2.threshold ()».

f(x) = \begin{cases}
       0 & (x < n) \\ 255 &(otherwise)
\end{cases}

Courbe de ton

Cette fois, la sortie est pour le cas où le seuil n = {50, 128, 200}.

Image de sortie

Couleur

input	n = 50

n = 128	n = 200

--Échelle grise

input	n = 50

n = 128	n = 200

une fonction

`Fonction de conversion`


def threshold(frame, threshold_v = 50):
    frame[frame < threshold_v] = 0
    frame[frame >= threshold_v] = 255
    return frame

Fonction principale

`ex.py`


import cv2
import numpy as np

#Les fonctions(réduction)

def main():
    img_path = '.\\image\\castle.jpg' #Spécifier arbitrairement l'image
    img = cv2.imread(img_path)
    frame = grayScale(img)
    #Fonction d'appel,Veuillez pratiquer.
    #Exemple:
    # cv2.imwrite('tone_changed.jpg', negaPosi(img))

if __name__ == '__main__':
    main()

en conclusion

Cette fois, j'ai introduit la conversion de gradation par quelques courbes de tons. Ensuite, je pense faire du traitement d'image avec des filtres.

Vous pouvez ajouter une interface utilisateur pour la rendre plus pratique.

Puis: vague:

référence

[Infographie] cv
[Source d'acquisition d'images](https://pixabay.com/ja/photos/%E5%9F%8E-%E3%82%B9%E3%82%B3%E3%83%83%E3%83%88 % E3% 83% A9% E3% 83% B3% E3% 83% 89-3619698 /) (Pixabay)

Article associé

[Parlons de la courbe de tonalité du traitement d'image ~ LUT est incroyable ~] tc

Traitement d'image avec Python et OpenCV [Tone Curve]

introduction

Environnement d'exploitation

table des matières

introduction

▷ Inversion négative / positive

Courbe de ton

Image de sortie

une fonction

Fonction de conversion

▷ Courbe de ton linéaire pliée

◆ Courbe de tonalité de type ligne pliée 1

Courbe de ton

Image de sortie

une fonction

Fonction de conversion

◆ Courbe de tonalité de type ligne pliée 2

Courbe de ton

Image de sortie

une fonction

Fonction de conversion

▷ Courbe de ton en forme de S

Courbe de ton

Image de sortie

une fonction

Fonction de conversion

▷ Courbe de tonalité de conversion gamma

Courbe de ton

Image de sortie

une fonction

Fonction de conversion

▷ Solarisation

Courbe de ton

Image de sortie

une fonction

Fonction de conversion

▷ Postérisation

Courbe de ton

Image de sortie

une fonction

Fonction de conversion

▷ Binarisation

Courbe de ton

Image de sortie

une fonction

Fonction de conversion

Fonction principale

ex.py

en conclusion

référence

Article associé

`Fonction de conversion`

`Fonction de conversion`

`Fonction de conversion`

`Fonction de conversion`

`Fonction de conversion`

`Fonction de conversion`

`Fonction de conversion`

`Fonction de conversion`

`ex.py`