最近在做一个用unet神经网络识别种子出苗率的项目(种子贼小,分辨率还贼低),由于识别的效果不太好,只能对图像做预处理了。。。预处理选用的是ps中的色阶处理,可是cv2等图像库中没有现成的函数,只能自己一点一点搜资料,找到了ps中色阶调整的计算公式。
以下是ps中的色阶窗口
左边黑三角叫做黑场,中间叫做灰场,右边叫做白场。上面的图是分布直方图,表示每个色阶的数量,开始我天真的以为色阶调整是把低于黑场的像素值设置为0,高于白场的设为255就行,后来这么写出来后,发现事情并不简单,根本不是想要的效果,然后又去各种搜博客,**终于**,我发现了一位老哥的博客:https://blog.csdn.net/maozefa/article/details/43971063
太感谢这位老哥了,大家有公式不懂的可以去看看。
根据他给的公式,我用python实现了一下:
''' 用于图像预处理,模拟ps的色阶调整 img:传入的图片 Highlight:白场(Shadow-255) Shadow:黑场(0-Highlight) 0 <= Shadow < Highlight <= 255 返回一张图片 ''' def Whiite_Black_Level_Pretreatment(self, img, Shadow,Highlight): if Highlight > 255: Highlight = 255 if Shadow < 0: Shadow = 0 if Shadow >= Highlight: Shadow = Highlight - 2 # 转类型 img = np.array(img, dtype=int) # 计算白场黑场离差 Diff = Highlight - Shadow # 计算系数 coe = 255.0 / Diff rgbDiff = img - Shadow rgbDiff = np.maximum(rgbDiff, 0) img = rgbDiff * coe # 四舍五入到整数 img = np.around(img, 0) # 变为int型 img = img.astype(int) return img
注意:我这里没有关系到中间的灰场和输出色阶,我的灰场默认为1.0,如果需要用到灰场,需要实现这里:
效果:当黑场为81,白场为161时:
原图:
处理后: