Durch die NumPy Funktion numpy.flipud konnte das RGB Array umgedreht, der Algorithmus des Papers angewendet und schließlich eine Rücktransformation der RGB Werte stattfinden. Die erhaltenen Bilder entsprechen nun den Erwartungen.

Anders als im Paper werden die RGB Werte nicht in der Reihenfolge Rot Grün Blau (RGB), sondern in OpenCV als Blau grün rot (BGR) abgespeichert.
Also ist ein e Funktion zum "Umdrehen" der Matrix nötig!

Anders als im Paper werden die RGB Werte nicht in der Reihenfolge Rot Grün Blau (RGB), sondern in OpenCV als Blau grün rot (BGR) abgespeichert.
Also ist ein e Funktion zum "Umdrehen" der Matrix nötig!

Trotz Anpassungen sind noch einige Verbesserungen nötig: Grauanteile, wo keine sein sollten treten auf. Die Berechnungsalgorithmen müssen überprüft werden.

---

Matrixmultiplikation und Gamma-Rücktransformation angewendet

Simulationsmatrizen fuer Protanopie, Deuteranopie und Tritanopie hinzugefügt.

Implementiert über 2 for-Schleifen und der numpy.dot() Funktion

Kopie unseres Bildarrays wurde erstellt und auf floats gecastet. Bereinigte Werte können jetzt mit der Transformationsmatrix T multipliziert werden!!

Anpassungen müssen noch gemacht werden!

Zwar hatten wir bereits die M_HPE und M_sRGB eincodiert, jedoch lassen sich beide Matrizen mit Multiplikation bereits zusammenfassen, was den Code übersichtlicher macht. Zudem reicht nach Gammakorrektur nun eine Matrixmultiplikation für die komplette Konvertierung aus!

Vor der eigentlichen Anwendung des Algorithmus müssen die Gammakorrekturwerte gefiltert und vor der Darstellung des bearbeiteten Bildes wieder hinzugefügt werden.

Verschiedene Matrizen zur Bildänderung hinzugefügt

Bildverzeichnis jetzt dynamisch zugreifbar. Mergeproblem sollte gelöst sein.

Beispielbilder zum Testen des Codes und der Algorithmen

Ersterstellung des Python Skripts zur Simulation einer Farbfehlsichtigkeit mit Hilfe von OpenCV.