如何从给定的样本图像中提取颜色阴影以使用样本图像的颜色转换另一个图像？

Question

我有一张样本图片和一张目标图片。我想将样本图像的色调转移到目标图像。请告诉我如何从样本图像中提取颜色。

这里是图片：

输入源图像：

所需输出图像的输入图

输出图像

Answer 1

你可以使用一种叫做“Histogram matching" (another description)

的技术

基本上，您使用源图像的直方图作为目标并转换每个输入地图像素的值以获得尽可能接近源的输出直方图。您为图像的每个 rgb 通道执行此操作。

这是我的 python 代码：

from scipy.misc import imsave, imread
import numpy as np

imsrc = imread("source.jpg")
imtint = imread("tint_target.jpg")
nbr_bins=255
imres = imsrc.copy()
for d in range(3):
    imhist,bins = np.histogram(imsrc[:,:,d].flatten(),nbr_bins,normed=True)
    tinthist,bins = np.histogram(imtint[:,:,d].flatten(),nbr_bins,normed=True)

    cdfsrc = imhist.cumsum() #cumulative distribution function
    cdfsrc = (255 * cdfsrc / cdfsrc[-1]).astype(np.uint8) #normalize

    cdftint = tinthist.cumsum() #cumulative distribution function
    cdftint = (255 * cdftint / cdftint[-1]).astype(np.uint8) #normalize


    im2 = np.interp(imsrc[:,:,d].flatten(),bins[:-1],cdfsrc)


    im3 = np.interp(imsrc[:,:,d].flatten(),cdftint, bins[:-1])

    imres[:,:,d] = im3.reshape((imsrc.shape[0],imsrc.shape[1] ))

imsave("histnormresult.jpg", imres)

您的示例输出将如下所示：

您也可以尝试在 HSV 色彩空间中进行同样的操作 - 它可能会提供更好的结果。

Answer 2

从色图中获取平均颜色

忽略饱和 white/black 颜色
将光照图转换为灰度图
更改光照贴图的动态范围以匹配您想要的输出

我使用最大动态范围。您可以计算颜色贴图的范围并将其设置为光照贴图
将光照贴图乘以平均颜色

这是它的样子：

这是 C++ 源代码

//picture pic0,pic1,pic2;
    // pic0 - source color
    // pic1 - source light map
    // pic2 - output
int x,y,rr,gg,bb,i,i0,i1;
double r,g,b,a;

// init output as source light map in grayscale i=r+g+b
pic2=pic1;
pic2.rgb2i();
// change light map dynamic range to maximum
i0=pic2.p[0][0].dd; // min
i1=pic2.p[0][0].dd; // max
for (y=0;y<pic2.ys;y++)
 for (x=0;x<pic2.xs;x++)
    {
    i=pic2.p[y][x].dd;
    if (i0>i) i0=i;
    if (i1<i) i1=i;
    }
for (y=0;y<pic2.ys;y++)
 for (x=0;x<pic2.xs;x++)
    {
    i=pic2.p[y][x].dd;
    i=(i-i0)*767/(i1-i0);
    pic2.p[y][x].dd=i;
    }
// extract average color from color map (normalized to unit vecotr)
for (r=0.0,g=0.0,b=0.0,y=0;y<pic0.ys;y++)
 for (x=0;x<pic0.xs;x++)
    {
    rr=BYTE(pic0.p[y][x].db[picture::_r]);
    gg=BYTE(pic0.p[y][x].db[picture::_g]);
    bb=BYTE(pic0.p[y][x].db[picture::_b]);
    i=rr+gg+bb;
    if (i<400) // ignore saturated colors (whiteish) 3*255=white
     if (i>16) // ignore too dark colors (whiteish) 0=black
        {
        r+=rr;
        g+=gg;
        b+=bb;
        }
    }
a=1.0/sqrt((r*r)+(g*g)+(b*b)); r*=a; g*=a; b*=a;
// recolor output
for (y=0;y<pic2.ys;y++)
 for (x=0;x<pic2.xs;x++)
    {
    a=DWORD(pic2.p[y][x].dd);
    rr=r*a; if (rr>255) rr=255; pic2.p[y][x].db[picture::_r]=BYTE(rr);
    gg=g*a; if (gg>255) gg=255; pic2.p[y][x].db[picture::_g]=BYTE(gg);
    bb=b*a; if (bb>255) bb=255; pic2.p[y][x].db[picture::_b]=BYTE(bb);
    }

我用的是自己的照片class 所以这里有一些会员:

xs,ys 图像大小（以像素为单位）
p[y][x].dd 是 (x,y) 位置的像素，为 32 位整数类型
p[y][x].db[4] 是色带 (r,g,b,a) 的像素访问

[注释]

如果这不能满足您的需求，请指定更多并添加更多图片。因为您当前的示例确实无法自我解释

Answer 3

我认为最难的部分是确定第一张图片的主色。只是看一下，所有的高光和阴影，最好的整体颜色将是具有最高亮度和饱和度组合的颜色。我从模糊图像开始，以减少噪声和其他异常的影响，然后将每个像素转换为 HSV 颜色 space 以进行亮度和饱和度测量。下面是 Python 中 PIL 和 colorsys 的样子：

blurred = im1.filter(ImageFilter.BLUR)
ld = blurred.load()
max_hsv = (0, 0, 0)
for y in range(blurred.size[1]):
    for x in range(blurred.size[0]):
        r, g, b = tuple(c / 255. for c in ld[x, y])
        h, s, v = colorsys.rgb_to_hsv(r, g, b)
        if s + v > max_hsv[1] + max_hsv[2]:
            max_hsv = h, s, v
r, g, b = tuple(int(c * 255) for c in colorsys.hsv_to_rgb(*max_hsv))

对于你的图像，我得到了 (210, 61, 74) 的颜色，看起来像：

从那时起，只需将色相和饱和度转移到其他图像即可。

Answer 4

关于之前的回答，有一点需要注意：一旦 CDF 达到最大值 (=1)，插值将被误导并错误地匹配您的值。为避免这种情况，您应该仅提供 CDF 有意义的部分（而不是达到 1 之后）和相应的 bin 的插值函数。这里的答案改编：

from scipy.misc import imsave, imread
import numpy as np

imsrc = imread("source.jpg")
imtint = imread("tint_target.jpg")
nbr_bins=255
imres = imsrc.copy()
    for d in range(3):
    imhist,bins = np.histogram(imsrc[:,:,d].flatten(),nbr_bins,normed=True)
    tinthist,bins = np.histogram(imtint[:,:,d].flatten(),nbr_bins,normed=True)

    cdfsrc = imhist.cumsum() #cumulative distribution function
    cdfsrc = (255 * cdfsrc / cdfsrc[-1]).astype(np.uint8) #normalize

    cdftint = tinthist.cumsum() #cumulative distribution function
    cdftint = (255 * cdftint / cdftint[-1]).astype(np.uint8) #normalize


    im2 = np.interp(imsrc[:,:,d].flatten(),bins[:-1],cdfsrc)

    if (cdftint==1).sum()>0:
            idx_max = np.where(cdftint==1)[0][0]
            im3 = np.interp(im2,cdftint[:idx_max+1], bins[:idx_max+1])
    else:
            im3 = np.interp(im2,cdftint, bins[:-1])

尽情享受吧！

Answer 5

上面的直方图匹配解决方案对我不起作用。这是我自己的，基于 OpenCV：

def match_image_histograms(image, reference):
    chans1 = cv2.split(image)
    chans2 = cv2.split(reference)

    new_chans = []
    for ch1, ch2 in zip(chans1, chans2):
        hist1 = cv2.calcHist([ch1], [0], None, [256], [0, 256])
        hist1 /= hist1.sum()
        hist2 = cv2.calcHist([ch2], [0], None, [256], [0, 256])
        hist2 /= hist2.sum()
        lut = np.searchsorted(hist1.cumsum(), hist2.cumsum())
        new_chans.append(cv2.LUT(ch1, lut))
    return cv2.merge(new_chans).astype('uint8')

如何从给定的样本图像中提取颜色阴影以使用样本图像的颜色转换另一个图像？

How to extract color shade from a given sample image to convert another image using color of sample image?

image

image-processing

colors

rgb