数字图像处理——红眼去除（Python）

输入的图像一般都是RGB三层，但是红眼区域的定义是在HSI空间上进行定义，因此需要存在两个函数将图像数据在RGB空间与HSI空间进行转换，而转换的公式如下图所示：

原始图片数据：

实验代码：

import mathimport cv2
import numpy as npglobal img, ans
global point1, point2readroad = '.\\data\\'
saveroad = '.\\ans\\'
picname = 'cateye.jpg'
# picname ='12031565.jpg'
# picname = 'child-red eye.jpg'def rgb2hsi(R, G, B):m = R - (G + B) / 2n = cv2.multiply(R - G, R - G) + cv2.multiply(R - B, G - B)theta = np.zeros([R.shape[0], R.shape[1]])eps = 0.000001  # 定义一个微小量，避免出现分母为0至分式错误# 下面按照公式进行变换for i in range(R.shape[0]):for j in range(R.shape[1]):theta[i, j] = math.acos(m[i, j] / math.sqrt(n[i, j] + eps))H = theta.copy()mid = B > GH[mid] = 2 * math.pi - theta[mid] # 给HSI空间中的H赋值S = np.zeros([R.shape[0], R.shape[1]])for i in range(R.shape[0]):for j in range(R.shape[1]):S[i, j] = 1 - (3 * min(R[i, j], G[i, j], B[i, j]) / (R[i, j] + G[i, j] + B[i, j] + eps)) # 给HSI空间中的S赋值I = (R + G + B) / 3  # 给HSI空间中的I赋值return H, S, Idef hsi2rgb(H, S, I):mid = math.pi * 2 / 3  # 首先将120度转换为弧度制便于判定R = np.zeros([H.shape[0], H.shape[1]])  # 初始化R,G,B矩阵G = np.zeros([H.shape[0], H.shape[1]])B = np.zeros([H.shape[0], H.shape[1]])for i in range(H.shape[0]):for j in range(H.shape[1]):# 以下按情况进行分类讨论if H[i, j] <= mid:R[i, j] = I[i, j] * (1 + S[i, j] * math.cos(H[i, j]) / math.cos(0.5 * mid - H[i, j]))B[i, j] = I[i, j] * (1 - S[i, j])G[i, j] = 3 * I[i, j] - (R[i, j] + B[i, j])elif (H[i, j] <= mid * 2) and H[i, j] > mid:H[i, j] = H[i, j] - midG[i, j] = I[i, j] * (1 + S[i, j] * math.cos(H[i, j]) / math.cos(0.5 * mid - H[i, j]))R[i, j] = I[i, j] * (1 - S[i, j])B[i, j] = 3 * I[i, j] - (R[i, j] + G[i, j])elif (H[i, j] <= mid * 3) and H[i, j] > mid * 2:H[i, j] = H[i, j] - mid * 2B[i, j] = I[i, j] * (1 + S[i, j] * math.cos(H[i, j]) / math.cos(0.5 * mid - H[i, j]))G[i, j] = I[i, j] * (1 - S[i, j])R[i, j] = 3 * I[i, j] - (B[i, j] + G[i, j])return R, G, Bdef on_mouse(event, x, y, flags, param):global img, ans, point1, point2img1 = img.copy()if event == cv2.EVENT_LBUTTONDOWN:  # 左键点击point1 = (x, y) # 获取一个角点坐标cv2.circle(img1, point1, 10, (0, 255, 0), 1)cv2.imshow('image', img1)elif event == cv2.EVENT_MOUSEMOVE and (flags & cv2.EVENT_FLAG_LBUTTON):  # 按住左键拖曳cv2.rectangle(img1, point1, (x, y), (255, 0, 0), 1)cv2.imshow('image', img1)elif event == cv2.EVENT_LBUTTONUP:  # 左键释放point2 = (x, y) # 获取对角角点坐标cv2.rectangle(img1, point1, point2, (0, 0, 255), 1)cv2.imshow('image', img1)img2 = ans.astype(np.int32) # 转换数据类型方便进行运算# 注意读入的图像三层分别对应RGB空间的B,G,RH, S, I = rgb2hsi(img2[:, :, 2], img2[:, :, 1], img2[:, :, 0])min_x = min(point1[0], point2[0]) # 获取待处理区域信息min_y = min(point1[1], point2[1])width = abs(point1[0] - point2[0])height = abs(point1[1] - point2[1])# 按照红眼定义在指定区域进行去红眼处理for i in range(min_y, min_y + height + 1):for j in range(min_x, min_x + width + 1):# m,n=H[i, j],S[i, j]if (H[i, j] < math.pi / 4) or H[i, j] > math.pi * 7 / 4:if S[i, j] > 0.25:S[i, j] = 0R, G, B = hsi2rgb(H, S, I)# 构造去红眼的结果影像mid = np.zeros([R.shape[0], R.shape[1], 3])mid[:, :, 0] = Bmid[:, :, 1] = Gmid[:, :, 2] = Rans = mid.astype(np.uint8) # 转换数据类型方便结果展示与保存cv2.imshow('image1', ans)cv2.imwrite(saveroad + picname + '_outred.jpg', ans)def main():global img, ansimg = cv2.imread(readroad + picname)ans = img.copy()cv2.namedWindow('image')cv2.setMouseCallback('image', on_mouse)cv2.imshow('image', ans)cv2.waitKey(0)if __name__ == '__main__':main()

实验结果展示：

数字图像处理——红眼去除（Python）相关推荐

数字图像处理——实验一 Python中数字图像处理的基本操作
数字图像处理--实验一 Python中数字图像处理的基本操作一.实验目的二.实验主要仪器设备三.实验原理 3.1 数字图像的表示和类别 3.2 opencv-python图像文件格式四.实验内 ...
数字图像处理 python_5使用Python处理数字的高级操作
数字图像处理 python Numbers are everywhere in our daily life - there are phone numbers, dates of birth, ag ...
基于Opencv的数字图像处理技巧（python）
图像处理(image processing),用计算机对图像进行分析,以达到所需结果的技术.又称影像处理.图像处理一般指数字图像处理.数字图像是指用工业相机.摄像机.扫描仪等设备经过拍摄得到的一个大的 ...
数字图像处理使用opencv+python识别七段数码显示器的数字
一.什么是七段数码显示器七段LCD数码显示器有很多叫法:段码液晶屏.段式液晶屏.黑白笔段屏.段码LCD液晶屏.段式显示器.TN液晶屏.段码液晶显示器.段码屏幕.笔段式液晶屏.段码液晶显示屏.段式LC ...
数字图像处理之用Python+GDAL实现BSQ格式转换为BIP格式，BIL格式转换为BSQ，BIP格式
1.环境:PyCharm2022.2.3+Python3.9.1+GDAL(GDAL-3.4.3-cp39-cp39-win_amd64) 2.概念: (1)BSQ (band sequential) ...
数字图像处理染色体计数 Python实现
目录一.实验内容二.实验步骤三.代码四.结果一.实验内容对于下面这幅图像,编程实现染色体计数,并附简要处理流程说明. 二.实验步骤 1.中值滤波 2.图像二值化 3.膨胀图像 4.腐蚀图像 ...
（附源码）python数字图像处理课程平台毕业设计 242339
Python数字图像处理课程平台的开发摘要数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
（附源码）Python数字图像处理课程平台毕业设计242339
Python数字图像处理课程平台的开发摘要数字图像处理是一门新兴技术,随着计算机硬件的发展,数字图像的实时处理已经成为可能,由于数字图像处理的各种算法的出现,使得其处理速度越来越快,能更好的为人 ...
数字图像处理与Python实现笔记之图像特征提取
数字图像处理与Python实现笔记摘要绪论 1 数字图像处理基础知识 2 彩色图像处理初步 3 空间滤波 4 频域滤波 5 图像特征提取 5.1 图像颜色特征提取 5.1.1 颜色直方图 1 一般 ...

数字图像处理——红眼去除（Python）

数字图像处理——红眼去除（Python）相关推荐

最新文章

热门文章