Question

我有一个脚本，它使用Google Maps API下载一系列相等大小的方形卫星图像并生成PDF。图像需要事先旋转，我已经使用PIL进行了旋转。

我注意到，由于不同的光线和地形条件，一些图像太亮，另一些图像太暗，结果pdf结果有点难看，“在现场”的阅读条件不太理想（这是一个偏远山地自行车，我想要一个特定十字路口的打印缩略图。）

（编辑）然后目标是使所有图像最终具有相似的表观亮度和对比度。因此，过于明亮的图像必须变暗，而黑暗的图像则必须变亮。（顺便说一句，我曾经使用过imagemagick autocontrast，auto-gamma，equalize，或autolevel等类似的东西，在医学影像中有了有趣的结果，但是不要不知道如何在PIL中做任何这些。

我已经在转换为灰度后使用了一些图像校正（前一段时间有灰度打印机），但结果也不好。这是我的灰度代码：

#!/usr/bin/python

def myEqualize(im)
    im=im.convert('L')
    contr = ImageEnhance.Contrast(im)
    im = contr.enhance(0.3)
    bright = ImageEnhance.Brightness(im)
    im = bright.enhance(2)
    #im.show()
    return im

此代码对每个图像独立工作。我想知道首先分析所有图像然后“标准化”它们的视觉特性（对比度，亮度，伽玛等）会更好。

另外，我认为有必要在图像中进行一些分析（直方图？），以便根据每个图像应用自定义校正，而不是对所有图像进行相同校正（尽管任何“增强”）函数隐含地考虑初始契约）。

是否有人有这样的问题和/或知道用彩色图像（没有灰度）做这个的好方法？

任何帮助将不胜感激，感谢阅读！

Answer 1

您可能正在寻找的是一种执行“直方图拉伸”的实用程序。 Here is one implementation。我相信还有其他人。我想你想要保留原始色调并在所有色带上均匀地应用这个功能。

当然，很有可能一些瓷砖在它们加入的水平上会有明显的不连续性。然而，避免这种情况将涉及“拉伸”参数的空间插值，并且是更复杂的解决方案。（......但如果有需要，这将是一项很好的练习。）

修改

这是一个保留图像色调的调整：

import operator def equalize(im): h = im.convert("L").histogram() lut = [] for b in range(0, len(h), 256): # step size step = reduce(operator.add, h[b:b+256]) / 255 # create equalization lookup table n = 0 for i in range(256): lut.append(n / step) n = n + h[i+b] # map image through lookup table return im.point(lut*im.layers)

Answer 2

以下代码适用于显微镜（相似）的图像，以便在拼接之前进行准备。我在20张图像的测试集上使用它，结果合理。

亮度平均值来自另一个Stackoverflow question。

from PIL import Image
from PIL import ImageStat
import math

# function to return average brightness of an image
# Source: https://stackoverflow.com/questions/3490727/what-are-some-methods-to-analyze-image-brightness-using-python

def brightness(im_file):
   im = Image.open(im_file)
   stat = ImageStat.Stat(im)
   r,g,b = stat.mean
   return math.sqrt(0.241*(r**2) + 0.691*(g**2) + 0.068*(b**2))   #this is a way of averaging the r g b values to derive "human-visible" brightness

myList = [0.0]
deltaList = [0.0]
b = 0.0
num_images = 20                         # number of images   

# loop to auto-generate image names and run prior function  
for i in range(1, num_images + 1):      # for loop runs from image number 1 thru 20
    a = str(i)
    if len(a) == 1: a = '0' + str(i)    # to follow the naming convention of files - 01.jpg, 02.jpg... 11.jpg etc.
    image_name = 'twenty/' + a + '.jpg'
    myList.append(brightness(image_name))

avg_brightness = sum(myList[1:])/num_images
print myList
print avg_brightness

for i in range(1, num_images + 1):
   deltaList.append(i)
   deltaList[i] = avg_brightness - myList[i] 

print deltaList

此时，“校正”值（即值和均值之间的差值）存储在deltaList中。以下部分逐一将此校正应用于所有图像。

for k in range(1, num_images + 1):      # for loop runs from image number 1 thru 20
   a = str(k)
   if len(a) == 1: a = '0' + str(k)       # to follow the naming convention of files - 01.jpg, 02.jpg... 11.jpg etc.
   image_name = 'twenty/' + a + '.jpg'
   img_file = Image.open(image_name)
   img_file = img_file.convert('RGB')     # converts image to RGB format
   pixels = img_file.load()               # creates the pixel map
   for i in range (img_file.size[0]):
      for j in range (img_file.size[1]):
         r, g, b = img_file.getpixel((i,j))  # extracts r g b values for the i x j th pixel
         pixels[i,j] = (r+int(deltaList[k]), g+int(deltaList[k]), b+int(deltaList[k])) # re-creates the image
   j = str(k)
   new_image_name = 'twenty/' +'image' + j + '.jpg'      # creates a new filename
   img_file.save(new_image_name)                         # saves output to new file name

使用Python Image Library（PIL）标准化一组图像的直方图（亮度和对比度）

2 个答案: