安裝

假設(shè)您已經(jīng)安裝了OpenCV（帶有Python綁定）和NumPy，最簡(jiǎn)單的安裝方法是使用pip：

代碼解釋

我已經(jīng)創(chuàng)建了一個(gè)PyPI包，你可以用它在你自己的圖像之間進(jìn)行顏色轉(zhuǎn)換。該代碼也可以在GitHub上獲得。

（以下為GitHub的代碼鏈接：

https://github.com/jrosebr1/color_transfer）

不管怎樣，讓我們卷起袖子，把手弄臟，看看color_transfer包下面發(fā)生了什么：

第3行和第4行導(dǎo)入我們需要的包。我們將使用NumPy進(jìn)行數(shù)值處理，使用CV2進(jìn)行OpenCV綁定。

從那里，我們?cè)诘?行定義了顏色傳遞函數(shù)。此函數(shù)執(zhí)行顏色從源圖像（第一個(gè)參數(shù)）到目標(biāo)圖像（第二個(gè)參數(shù)）的實(shí)際傳輸。

Reinhard等人詳細(xì)介紹的算法表明，應(yīng)該使用L*a*b*顏色空間，而不是標(biāo)準(zhǔn)RGB。為了處理這個(gè)問(wèn)題，我們將源圖像和目標(biāo)圖像轉(zhuǎn)換為第9行和第10行的L*a*b*顏色空間（步驟1和2）。

OpenCV將圖像表示為多維NumPy數(shù)組，但默認(rèn)為uint8數(shù)據(jù)類型。這在大多數(shù)情況下都很好，但在執(zhí)行顏色轉(zhuǎn)移時(shí)，我們可能會(huì)有負(fù)值和十進(jìn)制值，因此我們需要使用浮點(diǎn)數(shù)據(jù)類型。

現(xiàn)在，讓我們開始執(zhí)行實(shí)際的顏色轉(zhuǎn)移：

第12行和第13行調(diào)用image_stats函數(shù)，我將在幾段中詳細(xì)討論。 但就現(xiàn)時(shí)而言，要知道該函數(shù)只是分別計(jì)算每個(gè)L*、a*和b*通道的點(diǎn)數(shù)強(qiáng)度的平均值和標(biāo)準(zhǔn)差（步驟3和4）。

現(xiàn)在我們有了源影像和目標(biāo)影像的每個(gè)L*a*b*通道的平均值和標(biāo)準(zhǔn)差，我們現(xiàn)在可以執(zhí)行顏色轉(zhuǎn)移。

在第17-20行，我們將目標(biāo)影像分割為L(zhǎng)*、a*和b*分量，並減去它們各自的平均值（步驟5）。

從這裡開始，我們?cè)诘?3-25行上執(zhí)行第6步，按目標(biāo)標(biāo)準(zhǔn)差除以源影像標(biāo)準(zhǔn)差的比率進(jìn)行縮放。

然後，我們可以應(yīng)用第7步，將第28-30行的源通道平均值相加。

第8步是在第34-36行處理的，在這裡我們剪輯掉範(fàn)圍[0255]之外的值（在L*a*b*顏色空間的OpenCV實(shí)現(xiàn)中，這些值被縮放到範(fàn)圍[0255]，儘管這不是原始L*a*b*規(guī)範(fàn)的一部分）。

最後，我們?cè)诘?1行和第42行執(zhí)行第9步和第10步，將縮放的L*a*b*通道合併在一起，最後轉(zhuǎn)換回原始RGB顏色空間。

最後，我們?cè)诘?5行返回彩色轉(zhuǎn)印影像。

讓我們快速查看image_stats函數(shù)，以完成以下程式碼解釋：

這里我們定義image_stats函數(shù)，它接受一個(gè)參數(shù)：我們要計(jì)算統(tǒng)計(jì)數(shù)據(jù)的圖像。

在調(diào)用CV2之前，我們假設(shè)圖像已經(jīng)在L*a*b*顏色空間中。在第46行拆分，將我們的圖像拆分為各自的頻道。

從這里開始，第47-49行處理計(jì)算每個(gè)通道的平均值和標(biāo)準(zhǔn)偏差。

最后，在第52行返回每個(gè)通道的平均值和標(biāo)準(zhǔn)偏差的元組。