welsh顏色遷移演算法實現過程 python版

很久很久以前，筆者曾經研究學習過welsh演算法，並用c++實現過，見鏈結 welsh顏色遷移演算法實現過程；後來心血來潮想再看看效果，卻發現opencv的版本已經更迭變化太快了，且有學友也想復現一下實驗效果，因此決定用再用python實現一次改演算法。

welsh的流程如下：

1.將目標影象和樣本影象轉換到lab空間；

2.對目標影象和樣本影象進行亮度重對映，保證後續的畫素匹配正確進行；

3.從參考中選擇一部分樣本點，將這些樣本點的畫素亮度值l和領域亮度值σ得方差儲存起來，作為權值w，w = l/2 + σ/2；

4.對目標影象進行逐畫素掃瞄，對每個畫素，計算其權值w，即為亮度值l和領域亮度值σ之和然後除以2，然後在第三步得到的樣本點鐘找到與其權值最接近的參考點，並將改點的a通道和b通道的值賦給目標影象的畫素。

5.將影象從lab空間轉化到rgb空間。

for _ in range(self.segment):
height_index = np.random.choice(self.height_array)
width_index = np.random.choice(self.width_array)
pixel = pixel(height_index, width_index)
pixel_light = self.l_image[pixel.x, pixel.y]
pixel_a = self.a_image[pixel.x, pixel.y]
pixel_b = self.b_image[pixel.x, pixel.y]
pixel_std = self.get_domain_std(pixel)
pixel_a,
pixel_b))
weight_list.sort()
return weight_list

segment是我們需要選取的參考點個數，pixel和weightpixel是我們自定義的類，看不懂沒關係，後續我會上傳整個**，大致意思就是計算參考點附近的權值w，然後儲存到乙個列表中，weightpixel是根據權值w進行排序的。為什麼要排序？因為排序後我們就能利用二分查詢快速定位到w值最接近的點了。

pixel_ratio = (consult_max_pixel - consult_min_pixel) / (max_pixel - min_pixel)
for i in range(height):
progress_bar(i / height)
for j in range(width):
pixel_light = consult_min_pixel + (gray_image_l_origin[i, j] - min_pixel) * pixel_ratio
gray_image_l[i, j] = pixel_light

prograss_bar是進度條，這裡不需要看，consult_min_pixel和consult_max_pixel是對應的參考影象亮度最小值和最大值，min_pixel和max_pixel是輸入影象亮度的最小值和最大值，這裡比較好理解，就是講輸入影象的亮度值按比例對映到參考影象的範圍內。

for row in range(height):
progress_bar(row / height)
for col in range(width):
pixel = pixel(row, col)
pixel_light = gray_image_l[pixel.x, pixel.y]
# 求視窗內畫素方差；
window_left = max(pixel.x - window_size, 0)
window_right = min(pixel.x + window_size + 1, height)
window_top = max(pixel.y - window_size, 0)
window_bottom = min(pixel.y + window_size + 1, width)
window_slice = gray_image_l[window_left: window_right, window_top: window_bottom]
pixel_std = np.std(window_slice)
weight_pixel = weightpixel(ratio * pixel_light + (1 - ratio) * pixel_std,
0, 0)
# 二分查詢，另外，為了避免列表越界，當找到列表兩邊時需要調整一下；
search_pixel = bisect.bisect(consult_image.get_weight_list(), weight_pixel)
search_pixel = 1 if search_pixel == 0 else search_pixel
search_pixel = len(consult_image.get_weight_list()) - 1 \
if search_pixel == len(consult_image.get_weight_list()) else search_pixel
left_pixel = consult_image.get_weight_list()[search_pixel - 1]
right_pixel = consult_image.get_weight_list()[search_pixel]
nearest_pixel = left_pixel if left_pixel.weight + right_pixel.weight > 2 * weight_pixel.weight else right_pixel
gray_image_a[row, col] = nearest_pixel.a
gray_image_b[row, col] = nearest_pixel.b

ok，**有點長，功能都寫在注釋裡了，應該比較容易看懂。

最後，轉換會rgb影象，儲存：

實驗效果如下：

整個**見下面鏈結，執行方式很簡單，python colorize.py即可，可以在**裡改的路徑，也可以修改一下**，新增命令列引數等；另，**需優化的地方還很多，且注釋不規範，例如函式取名不優雅、占用記憶體的height_array陣列等，都可以去掉，也可以把求權值的功能寫到乙個函式中，等等。

最後再寫一句，最新的影象著色都是以深度學習為主了，效果也會更好一些，見兩個個2023年的深度學習影象著色的效果：

；

welsh顏色遷移演算法實現過程 python版

《Reinhard顏色遷移演算法》讀書筆記

c 實現rsa演算法 RSA演算法實現過程

prim演算法的實現過程

welsh顏色遷移演算法實現過程 python版

《Reinhard顏色遷移演算法》讀書筆記

c 實現rsa演算法 RSA演算法實現過程

prim演算法的實現過程

相關推薦