SponselMa71420/Projekt_Dyschromasie
1
0
Fork 0
Code Issues Pull Requests Releases Wiki Activity

Einfügen der Gammakorrekturen als Funktionen

Browse Source 
Vor der eigentlichen Anwendung des Algorithmus müssen die Gammakorrekturwerte gefiltert und vor der Darstellung des bearbeiteten Bildes wieder hinzugefügt werden.
This commit is contained in:
Max Sponsel 2020-06-26 09:58:43 +02:00
parent 92a0f9e03c
commit 18623a2e01
1 changed files with 43 additions and 15 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

58
Code/Dyschromasie.py
View File

@ -1,16 +1,37 @@
import cv2 #OpenCV fuer Bildbearbeitung
import tkinter #Zum Erstellen von GUIs
import numpy as np #Numpy Import
import cv2 # OpenCV fuer Bildbearbeitung
import tkinter # Zum Erstellen von GUIs
import numpy as np # Numpy Import
import sys
#Einlesen des Bildes
# Einlesen des Bildes
script_dir = sys.path[0]
path = script_dir[:-4] + "Beispielbilder\lena.jpg"
image = cv2.imread(path) #Einlesen des Bildes (noch hardcodiert, sollte dann in GUI gehen)
image = cv2.imread(path) # Einlesen des Bildes (noch hardcodiert, sollte dann in GUI gehen)
rows = image.shape[0] # Auslesen der Zeilenanzahl
cols = image.shape[1] # Auslesen der Spaltenanzahl
kanaele = image.shape[2] # Auslesen der Kanaele (3 fuer RGB, 1 fuer Graubild)
def gammaCorrection(v):
if (v <= 0.04045 * 255):
return ((v / 255) / 12.92)
elif (v > 0.04045 * 255):
return (((v / 255) + 0.055) / 1.055) ** 2.4
else:
print("Ungültiger Wert!!")
return 1
def reverseGammaCorrection(v_reverse):
if (v_reverse <= 0.0031308):
return 255 * (12.92 * v_reverse)
elif (v_reverse > 0.0031308):
return 255 * (1.055 * v_reverse ** 0.41666 - 0.055)
else:
print("Ungültiger Wert!!!")
return 1
rows = image.shape[0] #Auslesen der Zeilenanzahl
cols = image.shape[1] #Auslesen der Spaltenanzahl
kanaele = image.shape[2] #Auslesen der Kanaele (3 fuer RGB, 1 fuer Graubild)
'''
0.4124564 0.3575761 0.1804375 Transformationsmatrix fuer XYZ Werte aus gegebenen RGB Werten!
@ -18,7 +39,10 @@ RGB2XYZ = 0.2126729 0.7151522 0.0721750
0.0193339 0.1191920 0.9503041
'''
RGB2XYZ = np.array([[0.4124564,0.3575761,0.1804375],[0.2126729,0.7151522,0.0721750],[0.0193339,0.1191920,0.9503041]])
RGB2XYZ = np.array(
[[0.4124564, 0.3575761, 0.1804375],
[0.2126729, 0.7151522, 0.0721750],
[0.0193339, 0.1191920, 0.9503041]])
'''
3.2404542 -1.5371385 -0.4985314 Transformationsmatrix fuer RGB Werte aus gegebenen XYZ Werten!
@ -26,7 +50,10 @@ XYZ2RGB = -0.9692660 1.8760108 0.0415560 (RGB nur ganzzahlig --> Runden!!)
0.0556434 -0.2040259 1.0572252
'''
XYZ2RGB = np.array([[3.2404542,-1.5371385,-0.4985314],[-0.9692660,1.8760108,0.0415560],[0.0556434,-0.2040259,1.0572252]])
XYZ2RGB = np.array(
[[3.2404542, -1.5371385, -0.4985314],
[-0.9692660, 1.8760108, 0.0415560],
[0.0556434, -0.2040259, 1.0572252]])
'''
0.4002 0.7076 −0.0808 Transformationsmatrix fuer LMS Werte aus gegebenen XYZ Werten
@ -34,8 +61,9 @@ M_HPE = −0.2263 1.1653 0.0457
0 0 0.9182
'''
M_HPE = np.array([[0.4002,0.7076,-0.0808],[-0.2263,1.1653,0.0457],[0,0,0.9182]])
M_HPE = np.array([[0.4002, 0.7076, -0.0808],
[-0.2263, 1.1653, 0.0457],
[0, 0, 0.9182]])
# for i in range(rows): #Durchgehen aller Pixel des Bildes
# for j in range(cols):
@ -43,6 +71,6 @@ M_HPE = np.array([[0.4002,0.7076,-0.0808],[-0.2263,1.1653,0.0457],[0,0,0.9182]])
# #Umwandlungsalgorithmus
cv2.namedWindow("Display") #Displaywindow erstellen
cv2.imshow("Display",image) #Bild zeigen
cv2.waitKey(0) #Fenster offen halten
cv2.namedWindow("Display") # Displaywindow erstellen
cv2.imshow("Display", image) # Bild zeigen
cv2.waitKey(0) # Fenster offen halten