Dieses Projekt dient der digitalen Umwandlung von Bildern in simulierte Darstellung aus Sicht eines rot-grün-blinden Menschen.
You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.

Dyschromasie.py 3.3KB

12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758596061626364656667686970717273747576777879808182838485868788899091929394959697
  1. import cv2 # OpenCV fuer Bildbearbeitung
  2. import tkinter # Zum Erstellen von GUIs
  3. import numpy as np # Numpy Import
  4. import sys
  5. # Einlesen des Bildes
  6. script_dir = sys.path[0]
  7. path = script_dir[:-4] + "Beispielbilder\grocery_store.jpg"
  8. image = cv2.imread(path) # Einlesen des Bildes (noch hardcodiert, sollte dann in GUI gehen)
  9. rows = image.shape[0] # Auslesen der Zeilenanzahl
  10. cols = image.shape[1] # Auslesen der Spaltenanzahl
  11. kanaele = image.shape[2] # Auslesen der Kanaele (3 fuer RGB, 1 fuer Graubild)
  12. def gammaCorrection(v):
  13. if v <= 0.04045 * 255:
  14. return float(((v / 255) / 12.92))
  15. elif v > 0.04045 * 255:
  16. return float((((v / 255) + 0.055) / 1.055) ** 2.4)
  17. else:
  18. print("Ungültiger Wert!!")
  19. return 1
  20. def reverseGammaCorrection(v_reverse):
  21. if v_reverse <= 0.0031308:
  22. return int(255 * (12.92 * v_reverse))
  23. elif v_reverse > 0.0031308:
  24. return int(255 * (1.055 * v_reverse ** 0.41666 - 0.055))
  25. else:
  26. print("Ungültiger Wert!!!")
  27. return 1
  28. cb_image = np.copy(image) # Kopie des Bildarrays
  29. cb_image = cb_image.astype('float64') # Casting des Arrays auf Float
  30. # Korrektur des Gamma Faktors für alle Bildelemente
  31. for i in range(rows):
  32. for j in range(cols):
  33. for x in range(3):
  34. cb_image[i, j, x] = gammaCorrection(float(image[i, j, x]))
  35. '''
  36. 0.31399022 0.63951294 0.04649755 Transformationsmatrix zum Konvertieren vom linearen RGB zum LMS Farbraum
  37. T = 0.15537241 0.75789446 0.08670142 Multiplikation aus Brucelindbloom und Hunt-Pointer-Estevez Matrixen
  38. 0.01775239 0.10944209 0.87256922 T*RGB_Farbverktor = LMS_Farbvektor
  39. '''
  40. T = np.array([[0.31399022, 0.63951294, 0.04649755],
  41. [0.15537241, 0.75789446, 0.08670142],
  42. [0.01775239, 0.10944209, 0.87256922]])
  43. '''
  44. 5.47221206 −4.6419601 0.16963708 Rücktransformationsmatrix (Inverse von T)
  45. T_reversed = -1.1252419 2.29317094 −0.1678952 T_reversed Ü LMS_Farbvektor = RBG_Farbvektor
  46. 0.02980165 −0.19318073 1.16364789
  47. '''
  48. T_reversed = np.array([[5.47221206, -4.6419601, 0.16963708],
  49. [-1.1252419, 2.29317094, -0.1678952],
  50. [0.02980165, -0.19318073, 1.16364789]])
  51. # Simulationsmatrizen fuer Protanop
  52. S_p = np.array([[0, 1.05118294, -0.05116099], #Simulationsmatrix fuer Protanopie
  53. [0, 1, 0],
  54. [0, 0, 1]])
  55. S_d = np.array([[1, 0, 0], #Simulationsmatrix fuer Deuteranopie
  56. [0.9513092, 0, 0.04866992],
  57. [0, 0, 1]])
  58. S_t = np.array([[1, 0, 0], #Simulationsmatrix fuer Tritanopie
  59. [0, 1, 0],
  60. [-0.86744736, 1.86727089, 0]])
  61. #Multiplikation der einzelnen Pixel
  62. for i in range(rows):
  63. for j in range(cols):
  64. cb_image[i,j] = T_reversed.dot(S_p).dot(T).dot(cb_image[i,j])
  65. sim_image = np.copy(cb_image)
  66. sim_image = sim_image.astype('uint8')
  67. #Rücktransformation der Gammawerte
  68. for i in range(rows):
  69. for j in range(cols):
  70. for x in range(3):
  71. sim_image[i, j, x] = reverseGammaCorrection(cb_image[i, j, x])
  72. cv2.namedWindow("Display") # Displaywindow erstellen
  73. cv2.imshow("Display", sim_image) # Bild zeigen
  74. cv2.waitKey(0) # Fenster offen halten