例子

抓住這個(gè)example.py文件和運(yùn)行示例，只需從GitHub項(xiàng)目頁面獲取代碼。

GitHub項(xiàng)目頁面：https://github.com/jrosebr1/color_transfer

你已經(jīng)在這篇文章的頂部看到了海灘的例子，但讓我們再看看：

執(zhí)行此腳本后，您應(yīng)該會(huì)看到以下結(jié)果：

請注意日落照片中的橙色和紅色是如何在白天轉(zhuǎn)移到海洋照片中的。

令人驚嘆的但讓我們嘗試一些不同的東西：

在這里你可以看到，在左邊我們有一張森林地區(qū)的照片——大部分是與植被有關(guān)的綠色，以及與樹皮有關(guān)的深棕色。

然后在中間我們有一個(gè)不祥的雷云-但讓它變得更加不祥！

如果你曾經(jīng)經(jīng)歷過嚴(yán)重的雷暴或龍卷風(fēng)，你可能已經(jīng)注意到，在暴風(fēng)雨之前，天空變成了一片詭異的綠色陰影。

如右圖所示，我們通過將森林區(qū)域的顏色空間映射到云層，成功地模擬了這種不祥的綠色天空。

很酷吧？

還有一個(gè)例子：

在這里，我結(jié)合了兩件我最喜歡的東西：秋葉（左）和世紀(jì)中期的現(xiàn)代建筑，在這個(gè)例子中，弗蘭克·勞埃德·賴特的《瀑布》（中）。

瀑布的中間照片展示了一些令人驚嘆的世紀(jì)中期建筑，但如果我想給它一個(gè)“秋天”風(fēng)格的效果呢？

你猜對了——把秋天圖像的顏色空間轉(zhuǎn)移到瀑布上！正如你在右邊看到的，結(jié)果非常棒。

改進(jìn)算法的方法

雖然Reinhard等人的算法速度極快，但有一個(gè)特別的缺點(diǎn)——它依賴于全局顏色統(tǒng)計(jì)，因此具有類似像素強(qiáng)度值的大區(qū)域會(huì)顯著影響平均值（以及整體顏色轉(zhuǎn)移）。

為了解決這個(gè)問題，我們可以考慮兩種解決方案：

• 選項(xiàng)1：在您想要模擬顏色的較小感興趣區(qū)域（ROI）中計(jì)算源圖像的平均值和標(biāo)準(zhǔn)偏差，而不是使用整個(gè)圖像。采用這種方法將使你的平均值和標(biāo)準(zhǔn)偏差更好地代表你想要使用的顏色空間。

• 選項(xiàng)2：第二種方法是對兩幅圖像應(yīng)用k均值?？梢栽贚*a*b*顏色空間中對每個(gè)圖像的像素強(qiáng)度進(jìn)行聚類，然后使用歐幾里德距離確定兩個(gè)圖像之間最相似的質(zhì)心。然后，只計(jì)算這些區(qū)域內(nèi)的統(tǒng)計(jì)數(shù)據(jù)。同樣，這將使你的平均值和標(biāo)準(zhǔn)差產(chǎn)生更“局部”的影響，并有助于緩解全球統(tǒng)計(jì)數(shù)據(jù)的過度代表性問題。當(dāng)然，缺點(diǎn)是這種方法的速度要慢得多，因?yàn)槟F(xiàn)在添加了一個(gè)昂貴的集群步驟。