Я хочу динамически увеличивать яркость и контрастность изображений, чтобы программа была применима для любых новых изображений
У меня есть несколько изображений, где мне нужно динамически увеличивать или уменьшать контрастность и яркость изображения, чтобы оно было четко видно. И программа должна быть динамичной, чтобы она работала даже с новыми изображениями. Я также хочу, чтобы персонаж был темным.
Мне удалось увеличить яркость и контрастность, но это не работает должным образом для каждого изображения.
import cv2
import numpy as np
img = cv2.imread('D:\Bright.png')
image = cv2.GaussianBlur(img, (5, 5), 0)
#image = cv2.threshold(image, 0, 255, cv2.THRESH_BINARY)[1]
#kernel = np.ones((2,1),np.uint8)
#dilation = cv2.dilate(img,kernel)
cv2.imshow('test', image)
cv2.waitKey(0)
cv2.destroyAllWindows()
imghsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
imghsv[:,:,2] = [[max(pixel - 25, 0) if pixel < 190 else min(pixel + 25, 255) for pixel in row] for row in imghsv[:,:,2]]
cv2.imshow('contrast', cv2.cvtColor(imghsv, cv2.COLOR_HSV2BGR))
#cv2.imwrite('D:\\112.png',cv2.cvtColor(imghsv, cv2.COLOR_HSV2BGR))
cv2.waitKey(0)
cv2.destroyAllWindows()
#raw_input()
Мне нужна программа, которая отлично работает для каждого изображения, а слова немного темнее, чтобы их было хорошо видно.
@Trilarion Здесь видно четко, в основном означает, что размытие не должно присутствовать, и каждый символ по отдельности должен быть читаемым. Мне нужна помощь, чтобы реализовать его только в Opencv.
Ответы 2
Как предложил Тиларион, вы можете попробовать «Автояркость и контрастность», чтобы увидеть, хорошо ли он работает. Теория, лежащая в основе этого, хорошо объяснена здесь в разделе решения. Решение находится на С++. Я написал его версию на python, которую вы можете использовать напрямую, работает только на 1 канале за раз для цветных изображений:
def auto_brightandcontrast(input_img, channel, clip_percent=1):
histSize=180
alpha=0
beta=0
minGray=0
maxGray=0
accumulator=[]
if (clip_percent==0):
#min_val, max_val, min_loc, max_loc = cv2.minMaxLoc(hist)
return input_img
else:
hist = cv2.calcHist([input_img],[channel],None,[256],[0, 256])
accumulator.insert(0,hist[0])
for i in range(1,histSize):
accumulator.insert(i,accumulator[i-1]+hist[i])
maxx=accumulator[histSize-1]
minGray=0
clip_percent=clip_percent*(maxx/100.0)
clip_percent=clip_percent/2.0
while(accumulator[minGray]<clip_percent[0]):
minGray=minGray+1
maxGray=histSize-1
while(accumulator[maxGray]>=(maxx-clip_percent[0])):
maxGray=maxGray-1
inputRange=maxGray-minGray
alpha=(histSize-1)/inputRange
beta=-minGray*alpha
out_img=input_img.copy()
cv2.convertScaleAbs(input_img,out_img,alpha,beta)
return out_img
Я использую его в своем проекте, где он терпит неудачу для вас? Или вывод не служит вашей цели?
Для этого в Python Wand (который основан на ImageMagick) требуется всего несколько строк кода. Вот сценарий.
#!/bin/python3.7
from wand.image import Image
with Image(filename='task4.jpg') as img:
img.contrast_stretch(black_point=0.02, white_point=0.99)
img.save(filename='task4_stretch2_99.jpg')
Вход:
Результат:
Увеличьте значение черной точки, чтобы сделать текст темнее, и/или уменьшите значение белой точки, чтобы сделать светлые части ярче.
Спасибо Эрику МакКонвиллу (разработчику Wand) за исправление моих аргументов, чтобы код заработал.
Многие графические программы имеют функцию автоматической оптимизации контраста/яркости. Это работает для вас? Вы хотите реализовать что-то подобное в opencv? Это, вероятно, основано на гистограмме. Что именно вы подразумеваете под четко видимым? Все приведенные примеры из вас кажутся очевидными, по крайней мере мне.