Weitere Anpassungen für Tritanopie

Anders als bei den anderen Fehlsichtigkeiten ist ein Überlauf des Wertebereichs möglich. Somit werden Werte, die 255 überschreiten standardmäßig auf diesen Maximalwert gesetzt.

Code/Dyschromasie.py

@@ -77,7 +77,7 @@ S_t = np.array([[1, 0, 0],                     #Simulationsmatrix fuer Tritanopi
 #Multiplikation der einzelnen Pixel
 for i in range(rows):
     for j in range(cols):
-        cb_image[i,j] = T_reversed.dot(S_p).dot(T).dot(cb_image[i,j])
+        cb_image[i,j] = T_reversed.dot(S_t).dot(T).dot(cb_image[i,j])
 
 sim_image = np.copy(cb_image)
 sim_image = sim_image.astype('uint8')

Code/Farbaenderung.py

@@ -1,6 +1,7 @@
 import numpy as np
 import cv2
 
+
 def gammaCorrection(v):
     if v <= 0.04045 * 255:
         return (v / 255) / 12.92
@@ -12,14 +13,17 @@ def reverseGammaCorrection(v_reverse):
     if abs(v_reverse) <= 0.0031308:
         return round(255 * (12.92 * abs(v_reverse)))
     elif abs(v_reverse) > 0.0031308:
-        return round(255 * (1.055 * abs(v_reverse) ** 0.41666 - 0.055))
+        if (round(255 * (1.055 * abs(v_reverse) ** 0.41666 - 0.055))) > 255:
+            return 255
+        else:
+            return round(255 * (1.055 * abs(v_reverse) ** 0.41666 - 0.055))
 
 
 class Dyschromasie:
     cb_image = np.array([]).astype('float64')
     sim_image = np.array([]).astype('uint8')
 
-    def __init__(self, img_mat=np.array([]), rows=0, cols=0, kanaele=0,sim_faktor=0, sim_kind='d'):
+    def __init__(self, img_mat=np.array([]), rows=0, cols=0, kanaele=0, sim_faktor=0, sim_kind='d'):
         self.rows = rows
         self.cols = cols
         self.kanaele = kanaele
@@ -57,10 +61,12 @@ class Dyschromasie:
                 for x in range(3):
                     self.cb_image[i, j, x] = gammaCorrection(self.img_mat[i, j, x])
 
+        rechen_Mat = np.copy(self.T_reversed.dot(sim_mat).dot(self.T))
+        print(rechen_Mat)
         # Einzelne Pixelwertberechnung
         for i in range(self.rows):
             for j in range(self.cols):
-                self.cb_image[i, j] = self.T_reversed.dot(sim_mat).dot(self.T).dot(self.cb_image[i, j])
+                self.cb_image[i, j] = rechen_Mat.dot(self.cb_image[i, j])
 
         self.sim_image = np.copy(self.cb_image)
         self.sim_image = self.sim_image.astype('uint8')
@@ -70,6 +76,6 @@ class Dyschromasie:
                 for x in range(3):
                     self.sim_image[i, j, x] = reverseGammaCorrection(self.cb_image[i, j, x])
 
+        print(self.img_mat[78, 86])
+        print(self.sim_image[78, 86])
         return self.sim_image
-
-