当前位置： 首页 > news >正文

微信公众号的网站,渭南免费做网站公司,做发帖的网站代码,泉州有专门帮做网站的吗文章目录 1、CIELAB 色彩空间2、作色问题定义3、Caffe 模型4、代码实现——Image5、代码实现——Video6、参考 1、CIELAB 色彩空间 Lab颜色空间#xff0c;也称为Lab色彩空间或CIELAB色彩空间#xff0c;是一种基于人类视觉感知特性的颜色模型。它是在1931年国际照明委员会也称为Lab色彩空间或CIELAB色彩空间是一种基于人类视觉感知特性的颜色模型。它是在1931年国际照明委员会CIE制定的颜色度量国际标准的基础上建立的并在1976年经过修订和完善。Lab颜色空间以其独特的优点在多个领域得到广泛应用。 Lab颜色空间是一种颜色-对立空间它包含三个维度L、a和b。 L表示亮度Luminosity取值范围为0到100对应从纯黑到纯白的亮度变化。 a表示颜色对立维度之一通常与绿色到红色的范围相对应取值范围为-128到127其中负值表示绿色方向正值表示洋红方向。 b表示另一个颜色对立维度通常与蓝色到黄色的范围相对应取值范围同样为-128到127其中负值表示蓝色方向正值表示黄色方向。
2、作色问题定义 参考文章 Zhang R, Isola P, Efros A A. Colorful image colorization[C]//Computer Vision–ECCV 2016: 14th European Conference, Amsterdam, The Netherlands, October 11-14, 2016, Proceedings, Part III 14. Springer International Publishing, 2016: 649-666. 为了简化计算Lab 颜色空间的 ab 空间被量化为 313 个 bin如下图所示。而不是为每个像素找到 a 和 b 值因为这种量化我们只需要找到一个介于 0 和 312之间的 bin 编号。另一种思考问题的方式是我们已经有了取值从 0 到 255 的 L 通道我们需要找到取值在 0 到 312 之间的 ab 通道。所以颜色预测任务现在是变成了多分类问题其中每个灰色像素有 313 个类别可供选择。 3、Caffe 模型 colorization_release_v1 colorization_release_v2 colorization_release_v2_norebal
4、代码实现——Image

This code is written by Sunita Nayak at BigVision LLC. It is based on the OpenCV project.

It is subject to the license terms in the LICENSE file found in this distribution and at http://opencv.org/license.html#### Usage example: python3 colorize.py –input greyscaleImage.pngimport numpy as np

import cv2 as cv import argparse import os.pathparser argparse.ArgumentParser(descriptionColorize GreyScale Image) parser.add_argument(–input, helpPath to image., defaultgreyscaleImage.png) args parser.parse_args()if args.inputNone:print(Please give the input greyscale image name.)print(Usage example: python3 colorizeImage.py –input greyscaleImage.png)exit()if os.path.isfile(args.input)0:print(Input file does not exist)exit()# Read the input image frame cv.imread(args.input)# Specify the paths for the 2 model files protoFile ./models/colorization_deploy_v2.prototxt weightsFile ./models/colorization_release_v2.caffemodel

weightsFile ./models/colorization_release_v2_norebal.caffemodel# Load the cluster centers

pts_in_hull np.load(./pts_in_hull.npy)# Read the network into Memory net cv.dnn.readNetFromCaffe(protoFile, weightsFile)# populate cluster centers as 1x1 convolution kernel pts_in_hull pts_in_hull.transpose().reshape(2, 313, 1, 1) net.getLayer(net.getLayerId(class8_ab)).blobs [pts_in_hull.astype(np.float32)] net.getLayer(net.getLayerId(conv8_313_rh)).blobs [np.full([1, 313], 2.606, np.float32)]#from opencv sample W_in 224 H_in 224img_rgb (frame[:,:,[2, 1, 0]] * 1.0 / 255).astype(np.float32) img_lab cv.cvtColor(img_rgb, cv.COLOR_RGB2Lab) img_l img_lab[:,:,0] # pull out L channel# resize lightness channel to network input size img_l_rs cv.resize(img_l, (W_in, H_in)) # img_l_rs - 50 # subtract 50 for mean-centeringnet.setInput(cv.dnn.blobFromImage(img_l_rs)) ab_dec net.forward()[0,:,:,:].transpose((1,2,0)) # this is our result(H_orig,W_orig) img_rgb.shape[:2] # original image size ab_dec_us cv.resize(ab_dec, (W_orig, H_orig)) img_lab_out np.concatenate((img_l[:,:,np.newaxis],ab_dec_us),axis2) # concatenate with original image L img_bgr_out np.clip(cv.cvtColor(img_lab_out, cv.COLOR_Lab2BGR), 0, 1)outputFile args.input[:-4]_colorized.png cv.imwrite(outputFile, (img_bgr_out*255).astype(np.uint8)) print(Colorized image saved as outputFile) print(Done !!!)cluster center // 来自 pts_in_hull.npy 的 313 个 ab 聚类中心已经转置 static float hull_pts[] {-90., -90., -90., -90., -90., -80., -80., -80., -80., -80., -80., -80., -80., -70., -70., -70., -70., -70., -70., -70., -70.,-70., -70., -60., -60., -60., -60., -60., -60., -60., -60., -60., -60., -60., -60., -50., -50., -50., -50., -50., -50., -50., -50.,-50., -50., -50., -50., -50., -50., -40., -40., -40., -40., -40., -40., -40., -40., -40., -40., -40., -40., -40., -40., -40., -30.,-30., -30., -30., -30., -30., -30., -30., -30., -30., -30., -30., -30., -30., -30., -30., -20., -20., -20., -20., -20., -20., -20.,-20., -20., -20., -20., -20., -20., -20., -20., -20., -10., -10., -10., -10., -10., -10., -10., -10., -10., -10., -10., -10., -10.,-10., -10., -10., -10., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 10., 10., 10., 10., 10., 10., 10.,10., 10., 10., 10., 10., 10., 10., 10., 10., 10., 10., 20., 20., 20., 20., 20., 20., 20., 20., 20., 20., 20., 20., 20., 20., 20.,20., 20., 20., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 30., 40., 40., 40., 40.,40., 40., 40., 40., 40., 40., 40., 40., 40., 40., 40., 40., 40., 40., 40., 40., 50., 50., 50., 50., 50., 50., 50., 50., 50., 50.,50., 50., 50., 50., 50., 50., 50., 50., 50., 60., 60., 60., 60., 60., 60., 60., 60., 60., 60., 60., 60., 60., 60., 60., 60., 60.,60., 60., 60., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 70., 80., 80., 80.,80., 80., 80., 80., 80., 80., 80., 80., 80., 80., 80., 80., 80., 80., 80., 80., 90., 90., 90., 90., 90., 90., 90., 90., 90., 90.,90., 90., 90., 90., 90., 90., 90., 90., 90., 100., 100., 100., 100., 100., 100., 100., 100., 100., 100., 50., 60., 70., 80., 90.,20., 30., 40., 50., 60., 70., 80., 90., 0., 10., 20., 30., 40., 50., 60., 70., 80., 90., -20., -10., 0., 10., 20., 30., 40., 50.,60., 70., 80., 90., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., 80., 90., 100., -40., -30., -20., -10., 0., 10., 20.,30., 40., 50., 60., 70., 80., 90., 100., -50., -40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., 80., 90., 100., -50.,-40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., 80., 90., 100., -60., -50., -40., -30., -20., -10., 0., 10., 20.,30., 40., 50., 60., 70., 80., 90., 100., -70., -60., -50., -40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., 80., 90.,100., -80., -70., -60., -50., -40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., 80., 90., -80., -70., -60., -50.,-40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., 80., 90., -90., -80., -70., -60., -50., -40., -30., -20., -10.,0., 10., 20., 30., 40., 50., 60., 70., 80., 90., -100., -90., -80., -70., -60., -50., -40., -30., -20., -10., 0., 10., 20., 30.,40., 50., 60., 70., 80., 90., -100., -90., -80., -70., -60., -50., -40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70.,80., -110., -100., -90., -80., -70., -60., -50., -40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., 80., -110., -100.,-90., -80., -70., -60., -50., -40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., 80., -110., -100., -90., -80., -70.,-60., -50., -40., -30., -20., -10., 0., 10., 20., 30., 40., 50., 60., 70., -110., -100., -90., -80., -70., -60., -50., -40., -30.,-20., -10., 0., 10., 20., 30., 40., 50., 60., 70., -90., -80., -70., -60., -50., -40., -30., -20., -10., 0. };Class rebalancing 输入图片 v2 without re-balance v2 with re-balance
输入图片 v2 without re-balance v2 with re-balance 输入图片 v2 without re-balance v2 with re-balance 输入图片 v2 without re-balance v2 with re-balance 输入图片 v2 without re-balance v2 with re-balance 输入图片 v2 without re-balance v2 with re-balance 输入图片 v2 without re-balance v2 with re-balance 可以观察到引入 color rebalance 后整体画面变得更黄 5、代码实现——Video

This code is written by Sunita Nayak at BigVision LLC. It is based on the OpenCV project.

It is subject to the license terms in the LICENSE file found in this distribution and at http://opencv.org/license.html#### Usage example: python3 colorizeVideo.py –input greyscaleVideo.mp4import numpy as np

import cv2 as cv import argparse import os.pathparser argparse.ArgumentParser(descriptionColorize GreyScale Video) parser.add_argument(–input, helpPath to video file.) args parser.parse_args()if args.inputNone:print(Please give the input greyscale video file.)print(Usage example: python3 colorizeVideo.py –input greyscaleVideo.mp4)exit()if os.path.isfile(args.input)0:print(Input file does not exist)exit()# Read the input video cap cv.VideoCapture(args.input) hasFrame, frame cap.read()outputFile args.input[:-4]_colorized.avi vid_writer cv.VideoWriter(outputFile, cv.VideoWriter_fourcc(M,J,P,G), 60, (frame.shape[1],frame.shape[0]))# Specify the paths for the 2 model files protoFile ./models/colorization_deploy_v2.prototxt

weightsFile ./models/colorization_release_v2.caffemodel

weightsFile ./models/colorization_release_v2_norebal.caffemodel# Load the cluster centers pts_in_hull np.load(./pts_in_hull.npy)# Read the network into Memory net cv.dnn.readNetFromCaffe(protoFile, weightsFile)# populate cluster centers as 1x1 convolution kernel pts_in_hull pts_in_hull.transpose().reshape(2, 313, 1, 1) net.getLayer(net.getLayerId(class8_ab)).blobs [pts_in_hull.astype(np.float32)] net.getLayer(net.getLayerId(conv8_313_rh)).blobs [np.full([1, 313], 2.606, np.float32)]#from opencv sample W_in 224 H_in 224while cv.waitKey(1):hasFrame, frame cap.read()frameCopy np.copy(frame)if not hasFrame:breakimg_rgb (frame[:,:,[2, 1, 0]] * 1.0 / 255).astype(np.float32)img_lab cv.cvtColor(img_rgb, cv.COLOR_RGB2Lab)img_l img_lab[:,:,0] # pull out L channel# resize lightness channel to network input sizeimg_l_rs cv.resize(img_l, (W_in, H_in))img_l_rs - 50 # subtract 50 for mean-centeringnet.setInput(cv.dnn.blobFromImage(img_l_rs))ab_dec net.forward()[0,:,:,:].transpose((1,2,0)) # this is our result(H_orig,W_orig) img_rgb.shape[:2] # original image sizeab_dec_us cv.resize(ab_dec, (W_orig, H_orig))img_lab_out np.concatenate((img_l[:,:,np.newaxis],ab_dec_us),axis2) # concatenate with original L channelimg_bgr_out np.clip(cv.cvtColor(img_lab_out, cv.COLOR_Lab2BGR), 0, 1)vid_writer.write((img_bgr_out*255).astype(np.uint8))vid_writer.release()print(Colorized video saved as outputFile) print(Done !!!)输入视频 greyscaleVideo 结果 colorization_release_v2_noreba Result-colorization_release_v2 可以观察到引入 color rebalance 后整体画面变得更黄 6、参考 OpenCV进阶9基于OpenCV的图像着色 图像着色领域可有什么经典论文