Quel est le moyen le plus rapide d’augmenter le contraste des images couleur avec OpenCV en python (cv2)?

Je suis en utilisant OpenCV pour le traitement de certaines images, et l'une des premières étapes que j'ai besoin d'effectuer augmente le contraste de l'image sur une image en couleur. La méthode la plus rapide que j'ai trouvé jusqu'à présent utilise ce code (où np est le numpy import) de se multiplier et d'ajouter, comme le suggère le C d'origine à base de cv1 docs:

    if (self.array_alpha is None):
        self.array_alpha = np.array([1.25])
        self.array_beta = np.array([-100.0])

    # add a beta value to every pixel 
    cv2.add(new_img, self.array_beta, new_img)                    

    # multiply every pixel value by alpha
    cv2.multiply(new_img, self.array_alpha, new_img)

Est-il un moyen plus rapide de le faire en Python? J'ai essayé d'utiliser numpy du scalaire au lieu de multiplier, mais la performance est en fait pire. J'ai aussi essayé d'utiliser cv2.convertScaleAbs (OpenCV docs a suggéré d'utiliser convertTomais cv2 semble manquer d'une interface de cette fonction) mais encore une fois, la performance est de pire en phase de test.

source d'informationauteur Todd Stellanova

  1. 15

    Arithmétique Simple dans les tableaux numpy est le plus rapide, comme Abid Rahaman K commenté.

    Utilisation de cette image par exemple: http://i.imgur.com/Yjo276D.png

    Ici est un peu de traitement d'image qui ressemble à de la luminosité/contraste de manipulation:

    '''
Simple and fast image transforms to mimic:
 - brightness
 - contrast
 - erosion 
 - dilation
'''

import cv2
from pylab import array, plot, show, axis, arange, figure, uint8 

# Image data
image = cv2.imread('imgur.png',0) # load as 1-channel 8bit grayscale
cv2.imshow('image',image)
maxIntensity = 255.0 # depends on dtype of image data
x = arange(maxIntensity) 

# Parameters for manipulating image data
phi = 1
theta = 1

# Increase intensity such that
# dark pixels become much brighter, 
# bright pixels become slightly bright
newImage0 = (maxIntensity/phi)*(image/(maxIntensity/theta))**0.5
newImage0 = array(newImage0,dtype=uint8)

cv2.imshow('newImage0',newImage0)
cv2.imwrite('newImage0.jpg',newImage0)

y = (maxIntensity/phi)*(x/(maxIntensity/theta))**0.5

# Decrease intensity such that
# dark pixels become much darker, 
# bright pixels become slightly dark 
newImage1 = (maxIntensity/phi)*(image/(maxIntensity/theta))**2
newImage1 = array(newImage1,dtype=uint8)

cv2.imshow('newImage1',newImage1)

z = (maxIntensity/phi)*(x/(maxIntensity/theta))**2

# Plot the figures
figure()
plot(x,y,'r-') # Increased brightness
plot(x,x,'k:') # Original image
plot(x,z, 'b-') # Decreased brightness
#axis('off')
axis('tight')
show()

# Close figure window and click on other window 
# Then press any keyboard key to close all windows
closeWindow = -1
while closeWindow<0:
    closeWindow = cv2.waitKey(1) 
cv2.destroyAllWindows()

    D'origine de l'image en niveaux de gris:

    Quel est le moyen le plus rapide d’augmenter le contraste des images couleur avec OpenCV en python (cv2)?

    Égayé image qui semble être dilatée:

    Quel est le moyen le plus rapide d’augmenter le contraste des images couleur avec OpenCV en python (cv2)?

    Assombri l'image qui apparaît érodée, aiguisé, avec un meilleur contraste:

    Quel est le moyen le plus rapide d’augmenter le contraste des images couleur avec OpenCV en python (cv2)?

    Comment les intensités des pixels sont transformés:

    Quel est le moyen le plus rapide d’augmenter le contraste des images couleur avec OpenCV en python (cv2)?

    Si vous jouez avec les valeurs de phi et theta vous pouvez obtenir de très intéressants résultats. Vous pouvez également mettre en place cette astuce pour les données d'image.

    --- EDIT ---

    avoir un regard sur les concepts de "niveaux" et "courbes" sur cette vidéo sur youtube montrant d'édition d'image dans photoshop. L'équation de la transformation linéaire crée le même montant, c'est à dire de "niveau" de l'évolution sur chaque pixel. Si vous écrivez une équation qui permet de distinguer entre les types de pixels (par exemple, celles qui sont déjà d'une certaine valeur), alors vous pouvez changer les pixels basé sur la "courbe" décrite par l'équation.

  2. 7

    Essayez ce code:

    import cv2

img = cv2.imread('sunset.jpg', 1)
cv2.imshow("Original image",img)

# CLAHE (Contrast Limited Adaptive Histogram Equalization)
clahe = cv2.createCLAHE(clipLimit=3., tileGridSize=(8,8))

lab = cv2.cvtColor(img, cv2.COLOR_BGR2LAB)  # convert from BGR to LAB color space
l, a, b = cv2.split(lab)  # split on 3 different channels

l2 = clahe.apply(l)  # apply CLAHE to the L-channel

lab = cv2.merge((l2,a,b))  # merge channels
img2 = cv2.cvtColor(lab, cv2.COLOR_LAB2BGR)  # convert from LAB to BGR
cv2.imshow('Increased contrast', img2)
#cv2.imwrite('sunset_modified.jpg', img2)

cv2.waitKey(0)
cv2.destroyAllWindows()

    Coucher de soleil avant:
    Quel est le moyen le plus rapide d’augmenter le contraste des images couleur avec OpenCV en python (cv2)?
    Coucher de soleil après une augmentation du contraste:
    Quel est le moyen le plus rapide d’augmenter le contraste des images couleur avec OpenCV en python (cv2)?