Projekt_Dyschromasie/Code/Dyschromasie.py

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\lena.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 ((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

'''
        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]])


# for i in range(rows):           #Durchgehen aller Pixel des Bildes
#   for j in range(cols):
#      k = image[i,j]
#      #Umwandlungsalgorithmus


cv2.namedWindow("Display")  # Displaywindow erstellen
cv2.imshow("Display", image)  # Bild zeigen
cv2.waitKey(0)  # Fenster offen halten