如何在Python-Fu中完成相当于Gimp的Color，Auto，White Balance的操作？

Question

我能找到的唯一功能是：gimp-color-balance，它采用适用的参数：preserve-lum（osity），cyan-red，magenta-green和yellow-blue。

我不确定要为这些参数传递哪些值来复制标题中的菜单选项。

Answer 1

根据GIMP doc，我们需要丢弃红色，绿色和蓝色直方图各端的像素颜色，这些像素颜色仅用于图像中0.05％的像素，并尽可能扩展其余范围（ Python代码）：

img = cv2.imread('test.jpg')
x = []
# get histogram for each channel
for i in cv2.split(img):
    hist, bins = np.histogram(i, 256, (0, 256))
    # discard colors at each end of the histogram which are used by only 0.05% 
    tmp = np.where(hist > hist.sum() * 0.0005)[0]
    i_min = tmp.min()
    i_max = tmp.max()
    # stretch hist
    tmp = (i.astype(np.int32) - i_min) / (i_max - i_min) * 255
    tmp = np.clip(tmp, 0, 255)
    x.append(tmp.astype(np.uint8))

# combine image back and show it
s = np.dstack(x)
plt.imshow(s[::,::,::-1])

结果与GIMP的“颜色->自动->白平衡”之后非常相似

UPD：：我们需要np.clip()，因为OpenCV和numpy将int32强制转换为uint8：

# Numpy
np.array([-10, 260]).astype(np.uint8)
>>> array([246,   4], dtype=uint8)
# but we need just [0, 255]

Answer 2

要完成@ banderlog013的答案，我认为Gimp Doc指定首先丢弃每个通道的末端像素，然后扩展其余范围。我相信正确的代码是：

img = cv2.imread('test.jpg')
balanced_img = np.zeros_like(img) #Initialize final image

for i in range(3): #i stands for the channel index 
    hist, bins = np.histogram(img[..., i].ravel(), 256, (0, 256))
    bmin = np.min(np.where(hist>(hist.sum()*0.0005)))
    bmax = np.max(np.where(hist>(hist.sum()*0.0005)))
    balanced_img[...,i] = np.clip(img[...,i], bmin, bmax)
    balanced_img[...,i] = (balanced_img[...,i]-bmin) / (bmax - bmin) * 255

我用它获得了良好的效果，请尝试一下！

Answer 3

如何从本质上获得相当于 GIMP 的 Colors --> Auto --> White Balance 功能：

在 Ubuntu 20.04 上测试。

从我的 eRCaGuy_hello_world 存储库下载以下代码：python/auto_white_balance_img.py。

安装依赖：

pip3 install opencv-python  # for cv2
pip3 install numpy

现在这里有一些功能齐全的代码，不像这里的其他一些答案是片段，缺少 import 语句之类的东西。我向@Canette Ouverture's answer here和@banderlog013's answer here借。

创建文件auto_white_balance_img.py：

#!/usr/bin/python3

import cv2
import numpy as np

file_in = 'test.jpg'

file_in_base = file_in[:-4] # strip file extension
file_in_extension = file_in[-4:]

img = cv2.imread(file_in)

# From @banderlog013's answer: https://stackoverflow.com/a/54864315/4561887
x = []
# get histogram for each channel
for i in cv2.split(img):
    hist, bins = np.histogram(i, 256, (0, 256))
    # discard colors at each end of the histogram which are used by only 0.05%
    img_out1 = np.where(hist > hist.sum() * 0.0005)[0]
    i_min = img_out1.min()
    i_max = img_out1.max()
    # stretch hist
    img_out1 = (i.astype(np.int32) - i_min) / (i_max - i_min) * 255
    img_out1 = np.clip(img_out1, 0, 255)
    x.append(img_out1.astype(np.uint8))

# From @Canette Ouverture's answer: https://stackoverflow.com/a/56365560/4561887
img_out2 = np.zeros_like(img) # Initialize final image
for channel_index in range(3):
    hist, bins = np.histogram(img[..., channel_index].ravel(), 256, (0, 256))
    bmin = np.min(np.where(hist>(hist.sum()*0.0005)))
    bmax = np.max(np.where(hist>(hist.sum()*0.0005)))
    img_out2[...,channel_index] = np.clip(img[...,channel_index], bmin, bmax)
    img_out2[...,channel_index] = ((img_out2[...,channel_index]-bmin) / 
        (bmax - bmin) * 255)

# Write new files
cv2.imwrite(file_in_base + '_out1' + file_in_extension, img_out1)
cv2.imwrite(file_in_base + '_out2' + file_in_extension, img_out2)

使 auto_white_balance_img.py 可执行：

chmod +x auto_white_balance_img.py

现在将上面文件中的 file_in 变量设置为您想要的输入图像路径，然后运行：

python3 auto_white_balance_img.py
# OR
./auto_white_balance_img.py

假设您设置了 file_in = 'test.jpg'，它将生成以下两个文件：

1. test_out1.jpg # @banderlog013's answer here 的结果
2. test_out2.jpg # @Canette Ouverture's answer here 的结果

Answer 4

根据我的理解，快速查看源代码（或多或少用测试图像确认），这些是无关的，并且在幕后，Colors>Auto>White Balance：

• 获取每个频道的直方图
• 获取确定底部和顶部0.6％的值
• 使用与“Levels”非常相似的内部调用，使用这两个值作为黑点和白点来拉伸该通道的值范围。

使用合成图像证明：

在：

后：

所有这些在Python中都不难做到。

Answer 5

K，很酷。弄清楚如何编写脚本。
如果你愿意，可以使用它。好吧，我。

https://github.com/doyousketch2/eAWB