Python實現(xiàn)特定場景去除高光算法詳解
算法思路
1、求取源圖I的平均灰度,并記錄rows和cols;
2、按照一定大小,分為N*M個方塊,求出每塊的平均值,得到子塊的亮度矩陣D;
3、用矩陣D的每個元素減去源圖的平均灰度,得到子塊的亮度差值矩陣E;
4、通過插值算法,將矩陣E差值成與源圖一樣大小的亮度分布矩陣R;
5、得到矯正后的圖像result=I-R;
應(yīng)用場景
光照不均勻的整體色澤一樣的物體,比如工業(yè)零件,ocr場景。
代碼實現(xiàn)
import cv2
import numpy as np
def unevenLightCompensate(gray, blockSize):
#gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
average = np.mean(gray)
rows_new = int(np.ceil(gray.shape[0] / blockSize))
cols_new = int(np.ceil(gray.shape[1] / blockSize))
blockImage = np.zeros((rows_new, cols_new), dtype=np.float32)
for r in range(rows_new):
for c in range(cols_new):
rowmin = r * blockSize
rowmax = (r + 1) * blockSize
if (rowmax > gray.shape[0]):
rowmax = gray.shape[0]
colmin = c * blockSize
colmax = (c + 1) * blockSize
if (colmax > gray.shape[1]):
colmax = gray.shape[1]
imageROI = gray[rowmin:rowmax, colmin:colmax]
temaver = np.mean(imageROI)
blockImage[r, c] = temaver
blockImage = blockImage - average
blockImage2 = cv2.resize(blockImage, (gray.shape[1], gray.shape[0]), interpolation=cv2.INTER_CUBIC)
gray2 = gray.astype(np.float32)
dst = gray2 - blockImage2
dst[dst>255]=255
dst[dst<0]=0
dst = dst.astype(np.uint8)
dst = cv2.GaussianBlur(dst, (3, 3), 0)
#dst = cv2.cvtColor(dst, cv2.COLOR_GRAY2BGR)
return dst
if __name__ == '__main__':
file = 'www.png'
blockSize = 8
img = cv2.imread(file)
b,g,r = cv2.split(img)
dstb = unevenLightCompensate(b, blockSize)
dstg = unevenLightCompensate(g, blockSize)
dstr = unevenLightCompensate(r, blockSize)
dst = cv2.merge([dstb, dstg, dstr])
result = np.concatenate([img, dst], axis=1)
cv2.imwrite('result.jpg', result)
實驗效果

補(bǔ)充
OpenCV實現(xiàn)光照去除效果
1.方法一(RGB歸一化)
int main(int argc, char *argv[])
{
//double temp = 255 / log(256);
//cout << "doubledouble temp ="<< temp<<endl;
Mat image = imread("D://vvoo//sun_face.jpg", 1);
if (!image.data)
{
cout << "image loading error" <<endl;
return -1;
}
imshow("原圖", image);
Mat src(image.size(), CV_32FC3);
for (int i = 0; i < image.rows; i++)
{
for (int j = 0; j < image.cols; j++)
{
src.at<Vec3f>(i, j)[0] = 255 * (float)image.at<Vec3b>(i, j)[0] / ((float)image.at<Vec3b>(i, j)[0] + (float)image.at<Vec3b>(i, j)[2] + (float)image.at<Vec3b>(i, j)[1]+0.01);
src.at<Vec3f>(i, j)[1] = 255 * (float)image.at<Vec3b>(i, j)[1] / ((float)image.at<Vec3b>(i, j)[0] + (float)image.at<Vec3b>(i, j)[2] + (float)image.at<Vec3b>(i, j)[1]+0.01);
src.at<Vec3f>(i, j)[2] = 255 * (float)image.at<Vec3b>(i, j)[2] / ((float)image.at<Vec3b>(i, j)[0] + (float)image.at<Vec3b>(i, j)[2] + (float)image.at<Vec3b>(i, j)[1]+0.01);
}
}
normalize(src, src, 0, 255, CV_MINMAX);
convertScaleAbs(src,src);
imshow("rgb", src);
imwrite("C://Users//TOPSUN//Desktop//123.jpg", src);
waitKey(0);
return 0;
}
實現(xiàn)效果

2.方法二
void unevenLightCompensate(Mat &image, int blockSize)
{
if (image.channels() == 3) cvtColor(image, image, 7);
double average = mean(image)[0];
int rows_new = ceil(double(image.rows) / double(blockSize));
int cols_new = ceil(double(image.cols) / double(blockSize));
Mat blockImage;
blockImage = Mat::zeros(rows_new, cols_new, CV_32FC1);
for (int i = 0; i < rows_new; i++)
{
for (int j = 0; j < cols_new; j++)
{
int rowmin = i*blockSize;
int rowmax = (i + 1)*blockSize;
if (rowmax > image.rows) rowmax = image.rows;
int colmin = j*blockSize;
int colmax = (j + 1)*blockSize;
if (colmax > image.cols) colmax = image.cols;
Mat imageROI = image(Range(rowmin, rowmax), Range(colmin, colmax));
double temaver = mean(imageROI)[0];
blockImage.at<float>(i, j) = temaver;
}
}
blockImage = blockImage - average;
Mat blockImage2;
resize(blockImage, blockImage2, image.size(), (0, 0), (0, 0), INTER_CUBIC);
Mat image2;
image.convertTo(image2, CV_32FC1);
Mat dst = image2 - blockImage2;
dst.convertTo(image, CV_8UC1);
}
int main(int argc, char *argv[])
{
//double temp = 255 / log(256);
//cout << "doubledouble temp ="<< temp<<endl;
Mat image = imread("C://Users//TOPSUN//Desktop//2.jpg", 1);
if (!image.data)
{
cout << "image loading error" <<endl;
return -1;
}
imshow("原圖", image);
unevenLightCompensate(image, 12);
imshow("rgb", image);
imwrite("C://Users//TOPSUN//Desktop//123.jpg", image);
waitKey(0);
return 0;
}
實現(xiàn)效果

到此這篇關(guān)于Python實現(xiàn)特定場景去除高光算法詳解的文章就介紹到這了,更多相關(guān)Python去除高光算法內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python使用FastParquet庫處理Parquet文件的方法
在大數(shù)據(jù)時代,數(shù)據(jù)存儲和處理的效率至關(guān)重要,Parquet作為一種列式存儲格式,因其高效的壓縮和編碼方案,成為大數(shù)據(jù)處理中的熱門選擇,本文將深入探討FastParquet庫的使用,幫助讀者掌握如何利用這一工具高效處理Parquet文件,需要的朋友可以參考下2025-02-02
python 3.5下xadmin的使用及修復(fù)源碼bug
xadmin是基于Python和Django的管理框架,想要能夠熟練使用,學(xué)習(xí)Django是必須的。下面這篇文章主要給大家介紹了python 3.5下xadmin的使用和當(dāng)我們重寫了Django的User表后,Django就會出現(xiàn)bug問題的解決方法,需要的朋友可以參考下。2017-05-05
Python 實現(xiàn)數(shù)據(jù)結(jié)構(gòu)-循環(huán)隊列的操作方法
這篇文章主要介紹了Python 實現(xiàn)數(shù)據(jù)結(jié)構(gòu)-循環(huán)隊列的操作方法,需要的朋友可以參考下2019-07-07
Python pickle模塊進(jìn)行序列化的實現(xiàn)示例
pickle模塊是一個用于實現(xiàn)數(shù)據(jù)序列化與反序列化的強(qiáng)大工具,本文就來介紹一下Python pickle模塊進(jìn)行序列化的實現(xiàn)示例,具有一定的參考價值,感興趣的可以了解一下2025-01-01
如何使用 Poetry 進(jìn)行 Python 項目管理
本文介紹了如何安裝、卸載和管理Poetry,以及如何查看其版本和位置,此外,還詳細(xì)說明了如何使用Poetry安裝項目依賴,包括依賴解析、鎖定、虛擬環(huán)境管理等優(yōu)勢,感興趣的朋友一起看看吧2024-11-11
PyTorch搭建ANN實現(xiàn)時間序列風(fēng)速預(yù)測
這篇文章主要為大家介紹了PyTorch搭建ANN實現(xiàn)時間序列風(fēng)速預(yù)測,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-05-05
python+selenium 點(diǎn)擊單選框-radio的實現(xiàn)方法
今天小編就為大家分享一篇python+selenium 點(diǎn)擊單選框-radio的實現(xiàn)方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-09-09
Python連接SQLite數(shù)據(jù)庫并進(jìn)行增冊改查操作方法詳解
這篇文章主要介紹了Python對SQLite數(shù)據(jù)庫進(jìn)行增冊改查操作方法詳解,需要的朋友可以參考下2020-02-02

