import cv2 # OpenCV fuer Bildbearbeitung import tkinter # Zum Erstellen von GUIs import numpy as np # Numpy Import import sys # Einlesen des Bildes script_dir = sys.path[0] path = script_dir[:-4] + "Beispielbilder\grocery_store.jpg" 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 float(((v / 255) / 12.92)) elif v > 0.04045 * 255: return float((((v / 255) + 0.055) / 1.055) ** 2.4) else: print("Ungültiger Wert!!") return 1 def reverseGammaCorrection(v_reverse): if v_reverse <= 0.0031308: return int(255 * (12.92 * v_reverse)) elif v_reverse > 0.0031308: return int(255 * (1.055 * v_reverse ** 0.41666 - 0.055)) else: print("Ungültiger Wert!!!") return 1 cb_image = np.copy(image) # Kopie des Bildarrays cb_image = cb_image.astype('float64') # Casting des Arrays auf Float # Korrektur des Gamma Faktors für alle Bildelemente for i in range(rows): for j in range(cols): for x in range(3): cb_image[i, j, x] = gammaCorrection(float(image[i, j, x])) ''' 0.31399022 0.63951294 0.04649755 Transformationsmatrix zum Konvertieren vom linearen RGB zum LMS Farbraum T = 0.15537241 0.75789446 0.08670142 Multiplikation aus Brucelindbloom und Hunt-Pointer-Estevez Matrixen 0.01775239 0.10944209 0.87256922 T*RGB_Farbverktor = LMS_Farbvektor ''' T = np.array([[0.31399022, 0.63951294, 0.04649755], [0.15537241, 0.75789446, 0.08670142], [0.01775239, 0.10944209, 0.87256922]]) ''' 5.47221206 −4.6419601 0.16963708 Rücktransformationsmatrix (Inverse von T) T_reversed = -1.1252419 2.29317094 −0.1678952 T_reversed Ü LMS_Farbvektor = RBG_Farbvektor 0.02980165 −0.19318073 1.16364789 ''' T_reversed = np.array([[5.47221206, -4.6419601, 0.16963708], [-1.1252419, 2.29317094, -0.1678952], [0.02980165, -0.19318073, 1.16364789]]) S_p = np.array([[0, 1.05118294, -0.05116099], #Simulationsmatrix fuer Protanopie [0, 1, 0], [0, 0, 1]]) S_d = np.array([[1, 0, 0], #Simulationsmatrix fuer Deuteranopie [0.9513092, 0, 0.04866992], [0, 0, 1]]) S_t = np.array([[1, 0, 0], #Simulationsmatrix fuer Tritanopie [0, 1, 0], [-0.86744736, 1.86727089, 0]]) #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]) #ToDo Statt RBG ist noch BGR sim_image = np.copy(cb_image) sim_image = sim_image.astype('uint8') #Rücktransformation der Gammawerte for i in range(rows): for j in range(cols): for x in range(3): sim_image[i, j, x] = reverseGammaCorrection(cb_image[i, j, x]) cv2.namedWindow("Display") # Displaywindow erstellen cv2.imshow("Display", sim_image) # Bild zeigen cv2.waitKey(0) # Fenster offen halten