先來看看今天的結果圖
-> 此篇文章的程式碼 github
Day06_調整色調色溫白平衡_modify_color_temperature.ipynb
前言
我們繼續製作屬於自己的日系濾鏡啦!
日系濾鏡的修圖過程,大致上有以下步驟:
文章 | 階段目標 |
---|---|
【Day4】 | 1. 調亮光線 (調整光線) |
【Day5】 | 2. 加強飽和度 (調整飽和度) |
【Day6】 | 3. 將照片調成冷色調 |
4. 增添顆粒感 | |
5. 降低對比 | |
6. 降低高光 |
接下來的日子裡我們就來一個個用程式碼實現!
運用 OpenCV 調整色調(冷色系/暖色系)、色溫(白平衡)
def modify_color_temperature(img):
# ---------------- 冷色調 ---------------- #
# height = img.shape[0]
# width = img.shape[1]
# dst = np.zeros(img.shape, img.dtype)
# 1.計算三個通道的平均值,並依照平均值調整色調
imgB = img[:, :, 0]
imgG = img[:, :, 1]
imgR = img[:, :, 2]
# 調整色調請調整這邊~~
# 白平衡 -> 三個值變化相同
# 冷色調(增加b分量) -> 除了b之外都增加
# 暖色調(增加r分量) -> 除了r之外都增加
bAve = cv2.mean(imgB)[0]
gAve = cv2.mean(imgG)[0] + 20
rAve = cv2.mean(imgR)[0] + 20
aveGray = (int)(bAve + gAve + rAve) / 3
# 2. 計算各通道增益係數,並使用此係數計算結果
bCoef = aveGray / bAve
gCoef = aveGray / gAve
rCoef = aveGray / rAve
imgB = np.floor((imgB * bCoef)) # 向下取整
imgG = np.floor((imgG * gCoef))
imgR = np.floor((imgR * rCoef))
# 3. 變換後處理
# for i in range(0, height):
# for j in range(0, width):
# imgb = imgB[i, j]
# imgg = imgG[i, j]
# imgr = imgR[i, j]
# if imgb > 255:
# imgb = 255
# if imgg > 255:
# imgg = 255
# if imgr > 255:
# imgr = 255
# dst[i, j] = (imgb, imgg, imgr)
# 將原文第3部分的演算法做修改版,加快速度
imgb = imgB
imgb[imgb > 255] = 255
imgg = imgG
imgg[imgg > 255] = 255
imgr = imgR
imgr[imgr > 255] = 255
cold_rgb = np.dstack((imgb, imgg, imgr)).astype(np.uint8)
print("Cold color:")
print(cold_rgb.shape)
show_img(cold_rgb)
我們實際上做了什麼事呢?
其實我每天都在程式碼中把註解寫得很清楚了,
這邊越來越不知道要寫什麼了XD
我們所說的冷、暖色調
,其實就是色溫變化的結果
,
而色溫的變化
,通常也就伴隨著「白平衡的破壞
」。
一個白平衡的圖片,色調並不會明顯偏冷或偏暖,
但因為人類視覺上的觀感,有時我們能透過色調使圖片更有特色。
例如:
- 想呈現「
冷酷、冰冷
」的照片,適合使用冷色調
。 - 想呈現「
溫暖、熱情
」的照片,適合使用暖色調
。
-> 關於修改演算法的部分:
原文的演算法使用兩層for迴圈
進行計算,
但既然都使用了numpy矩陣
,使用矩陣算法才是更有效率
的方式,
因此才有修改版的寫法,如果讀者有興趣可以自行試試執行時間的差距。
- 本文同步發佈在: 第 12 屆 iT 邦幫忙鐵人賽
【沒錢ps,我用OpenCV!】Day 6 – 日系濾鏡3,運用 OpenCV 調整色調(冷色系/暖色系)、色溫(白平衡)modify color temperature, white balance
Reference
https://blog.csdn.net/weixin_39853245/article/details/101199768
https://kknews.cc/zh-tw/photography/9p425vl.html