Question

这是来自：Convert image to specific palette using PIL without dithering

的后续问题

我也想创建一个脚本，该脚本可以不抖动地将图像转换为一组特定的颜色。

我已经实现了解决方法“自定义量化”功能，作为对问题的答案。除了一个大问题外，大多数脚本都能正常工作。

浅绿色RGB（130,190,40）被浅棕色RGB（166、141、95）取代。 （请参阅鬃毛左上方的浅绿色。）

from PIL import Image

def customConvert(silf, palette, dither=False):
    ''' Convert an RGB or L mode image to use a given P image's palette.
        PIL.Image.quantize() forces dither = 1. 
        This custom quantize function will force it to 0.
        https://stackoverflow.com/questions/29433243/convert-image-to-specific-palette-using-pil-without-dithering
    '''

    silf.load()

    # use palette from reference image made below
    palette.load()
    im = silf.im.convert("P", 0, palette.im)
    # the 0 above means turn OFF dithering making solid colors
    return silf._new(im)

palette = [ 
    0,0,0,
    0,0,255,
    15,29,15,
    26,141,52,
    41,41,41,
    65,105,225,
    85,11,18,
    128,0,128,
    135,206,236,
    144,238,144,
    159,30,81,
    165,42,42,
    166,141,95,
    169,169,169,
    173,216,230,
    211,211,211,
    230,208,122,
    245,245,220,
    247,214,193,
    255,0,0,
    255,165,0,
    255,192,203,
    255,255,0,
    255,255,255
    ] + [0,] * 232 * 3


# a palette image to use for quant
paletteImage = Image.new('P', (1, 1), 0)
paletteImage.putpalette(palette)


# open the source image
imageOrginal = Image.open('lion.png').convert('RGB')

# convert it using our palette image
imageCustomConvert = customConvert(imageOrginal, paletteImage, dither=False).convert('RGB')

CIE76 Delta-E：

当前：RGB（130,190,40）-> RGB（166，141，95）= 57.5522

预期：RGB（130,190,40）-> RGB（144,238,144） = 31.5623

有人可以解释我是否错误地编写了代码，或提出了如何使它正常工作的建议。

Answer 1

如果速度是问题，

ImageMagick 可以更快地完成此操作。它已安装在大多数Linux发行版上，并且可用于macOS和Windows。

基本上，您将创建一个称为"map.png"的24x1图像，其中调色板中每种颜色的一个像素，然后告诉 ImageMagick 将狮子图像重新映射到{{ 1}}色彩空间而不会抖动。因此，“终端/命令提示符”中的命令为：

Lab

运行时间不到0.3秒。如果您想从Python做到这一点，则可以像这样进行炮击：

magick lion.png +dither -quantize Lab -remap map.png result.png

Answer 2

我尝试为每个像素计算CIE76 Delta-E函数以获得最接近的颜色。 Python不是我最好的语言，因此您可能想问另一个问题，以使代码按您期望的方式工作以优化代码。

我基本上将输入图像和调色板转换为Lab色彩空间，然后计算从每个像素到每个调色板条目的平方的CIE76 Delta-E值，然后取最接近的值。

#!/usr/bin/env python3

import numpy as np
from PIL import Image
from skimage import color

def CIE76DeltaE2(Lab1,Lab2):
    """Returns the square of the CIE76 Delta-E colour distance between 2 lab colours"""
    return (Lab2[0]-Lab1[0])*(Lab2[0]-Lab1[0]) + (Lab2[1]-Lab1[1])*(Lab2[1]-Lab1[1]) + (Lab2[2]-Lab1[2])*(Lab2[2]-Lab1[2])

def NearestPaletteIndex(Lab,palLab):
    """Return index of entry in palette that is nearest the given colour"""
    NearestIndex = 0
    NearestDist   = CIE76DeltaE2(Lab,palLab[0,0])
    for e in range(1,palLab.shape[0]):
        dist = CIE76DeltaE2(Lab,palLab[e,0])
        if dist < NearestDist:
            NearestDist = dist
            NearestIndex = e
    return NearestIndex

palette = [ 
    0,0,0,
    0,0,255,
    15,29,15,
    26,141,52,
    41,41,41,
    65,105,225,
    85,11,18,
    128,0,128,
    135,206,236,
    144,238,144,
    159,30,81,
    165,42,42,
    166,141,95,
    169,169,169,
    173,216,230,
    211,211,211,
    230,208,122,
    245,245,220,
    247,214,193,
    255,0,0,
    255,165,0,
    255,192,203,
    255,255,0,
    255,255,255
    ] + [0,] * 232 * 3


# Load the source image as numpy array and convert to Lab colorspace
imnp = np.array(Image.open('lion.png').convert('RGB'))
imLab = color.rgb2lab(imnp) 
h,w = imLab.shape[:2]

# Load palette as numpy array, truncate unused palette entries, and convert to Lab colourspace
palnp = np.array(palette,dtype=np.uint8).reshape(256,1,3)[:24,:]
palLab = color.rgb2lab(palnp)

# Make numpy array for output image
resnp = np.empty((h,w), dtype=np.uint8)

# Iterate over pixels, replacing each with the nearest palette entry
for y in range(0, h):
    for x in range(0, w):
        resnp[y, x] = NearestPaletteIndex(imLab[y,x], palLab)

# Create output image from indices, whack a palette in and save
resim = Image.fromarray(resnp, mode='P')
resim.putpalette(palette)
resim.save('result.png')

我明白了：

使用scipy.spatial.distance的{{1}}函数似乎更快，更简洁：

cdist()

Python PIL.Image.convert不会用最接近的调色板替换颜色。

2 个答案: