我有一个脚本,它使用Google Maps API下载一系列等大小的正方形卫星图像并生成PDF。这些图像需要事先旋转,我已经使用PIL这样做了。
我注意到,由于不同的光线和地形条件,有些图像太亮,有些太暗,结果pdf最终有点难看,"在野外"的阅读条件不太理想(这是野外山地自行车,我想在那里打印一个特定十字路口的缩略图)。
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。所以,太亮的图像必须变暗,而暗的图像必须变亮。(顺便说一下,我曾经使用imagemagickautocontrast
,或auto-gamma
,或equalize
,或autolevel
,或类似的东西,在医学图像中有有趣的结果,但不知道如何在PIL中实现这些)。
我已经在转换为灰度后使用了一些图像校正(前一段时间有一台灰度打印机),但结果也不太好。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。我想知道是否最好先分析所有图像,然后"规范化"它们的视觉属性(对比度,亮度,伽马等)。
此外,我认为有必要对图像(直方图?)进行一些分析,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等的校正(尽管任何"增强"函数隐式地考虑初始条件)。
有没有人有这样的问题和/或知道一个很好的替代方法来做这个彩色图像(没有灰度)?
任何帮助将不胜感激,感谢阅读!
您可能正在寻找的是执行"直方图拉伸"的实用程序。这里有一个实现。我相信还有其他人。我认为你应该保留原来的色调,并在所有色带上统一应用这个函数。
当然,有一个很好的机会,一些瓷砖将有一个明显的不连续性的水平,他们加入。然而,要避免这种情况,就需要对"拉伸"参数进行空间插值,这是一个更复杂的解决方案。(…但如果有需要,这将是一个很好的练习。
编辑: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)
下面的代码处理显微镜上的图像(这是相似的),在拼接之前准备它们。我在20张图片的测试集上使用了它,得到了合理的结果。
亮度平均函数来自另一个Stackoverflow问题。
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,"修正"值(即值与平均值之间的差值)存储在deltaList中。以下部分将逐个对所有图像应用此校正。
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