LoginSignup
13
15

More than 3 years have passed since last update.

@yosse95ai(紫村)

Python & OpenCVで画像処理 [ Tone Curve編 ]

Last updated at Posted at 2020-06-04

はじめに

この記事は, Tone Curveによる画像処理の紹介がメインです.
教科書にTone Curveは載っているけど, コードは載っていない...
どんなコードで実現できるのか気になった人向けになるかもしれません.

Tone Curveを知らない方で, この記事を読んでくださる方は
簡単に<この記事>の「導入」で知ってくださると, よいかと思います.

  • トーンカーブ
  • 出力画像(カラー, グレイスケール)
  • 変換関数

の順に紹介します.

動作環境

端末：Windows 10
コンソール：cmd(コマンドプロンプト)
python：3.6.8
仮想環境：venv

目次

紹介

入力画像は以下の2つになります.

カラー グレイスケール
original.jpg grayScale.jpg

グレイスケール化に関してはOpenCVのcv2.cvtColor()を使いました.

カラー画像, グレイスケール画像がどのように変化するか
紹介していきます.

また, 関数からの返り値を cv2.imwrite() 関数などで読み込めば
保存できます.

▷ネガ・ポジ反転

画素値をその名の通り反転させます.
(※これより, 数式中の x は画素値です.)

f(x) = 255 - x

トーンカーブ

nega_posi.png

出力画像

  • カラー
input output
input output
  • グレイスケール
input output
input output

関数

変換関数
def negaPosi(frame):
    return 255 - frame

▷折れ線型トーンカーブ

以前紹介した記事と被ってしまいますが...
詳しく見たい方は, 記事を読んでくださるとありがたいです.

ここではn = 2についてのトーンカーブで出力します.
(※nは画素値を何倍するかの値です.)

◆折れ線型トーンカーブ1

画像のコントラストを上げる変換です.

f(x) = \begin{cases} 2 \cdot x & (x < 128) \\ 255 & (otherwise)
  \end{cases}

トーンカーブ

tone_curve1.png

出力画像

  • カラー
input output
input output
  • グレイスケール
input output
input output

関数

変換関数
def toneCurve1(frame, n = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        if i < 256 / n:
            look_up_table[i][0] = i * n
        else:
            look_up_table[i][0] = 255
    return cv2.LUT(frame, look_up_table)

◆折れ線型トーンカーブ2

上に対してこちらはコントラストを下げる変換です.

f(x) = \begin{cases} 0 & (x < 128) \\ 2 \cdot x - 255 & (otherwise)
  \end{cases}

トーンカーブ

tone_curve2.png

出力画像

  • カラー
input output
input output
  • グレイスケール
input output
input output

関数

変換関数
def toneCurve2(frame, n = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        if i < 256 - 256 / n :
            look_up_table[i][0] = 0
        else:
            look_up_table[i][0] = i * n - 255 * (n - 1)
    return cv2.LUT(frame, look_up_table)

▷S字トーンカーブ

今回のS Tone Curveは, 明るいところはより明るく
暗いところはより暗く強調する変換です.

f(x) = \frac {255}{2} \cdot \left\{\sin\left(\frac {x}{255} - \frac {1}{2}\right)\pi + 1\right\}

トーンカーブ

s_tone_curve.png

出力画像

  • カラー
input output
input output
  • グレイスケール
input output
input output

画像がどこかクリアになりました.

関数

変換関数
def sToneCurve(frame):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = 255 * (np.sin(np.pi * (i/255 - 1/2)) + 1) / 2
    return cv2.LUT(frame, look_up_table)

▷ガンマ変換のトーンカーブ

先ほどの折れ線型トーンカーブでは
一定値(0, 255)に変換され, 濃淡情報が失われてしまった部分があるが
ガンマ変換では, その部分の濃淡情報も残しつつ変換を行えます.

f(x) = 255 \cdot \left(\frac {x}{255}\right)^\frac{1}{\gamma}

トーンカーブ

いくつかの γ 値のパターンを示します.

gamma_curve.png

出力画像

  • カラー
input γ = 3 γ = 2
input output output
γ = 1 γ = 0.5 γ = 1 / 3
output output output
  • グレイスケール
input γ = 3 γ = 2
input output output
γ = 1 γ = 0.5 γ = 1 / 3
output output output

当たり前ですけど, γ = 1 とinputの画像は同じものになります.

関数

変換関数
def gammaCurve(frame, gamma = 1):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = pow(i / 255, 1 / gamma) * 255
    return cv2.LUT(frame, look_up_table)

▷ソラリゼーション

ネガとポジの画像が混ざり合ったような画像になります.

私のソラリゼーションで用いる変換数式は以下のようになります.

f(x) = \frac {255}{2} \cdot \sin\left\{3\pi\left(\frac {x}{255} - \frac {1}{2}\right)\right\}

トーンカーブ

soralization.png

出力画像

  • カラー
input output
input output
  • グレイスケール
input output
input output

関数

変換関数
def soralization(frame):
    look_up_table = np.zeros((256,1), dtype = 'uint8')
    for i in range(256):
        look_up_table[i][0] = (np.sin(3 * np.pi * (i / 255 + 1 / 2 )) + 1) * 255 / 2
    return cv2.LUT(frame, look_up_table)

▷ポスタリゼーション

画素値を段階的に一定値化します.
絵画のような画像になります.

出力としては, 画素値を2, 3, 4段階に分けたパターンを出力します.

トーンカーブ

step = 53 はおまけです(余白的な問題で).

posterization2.png posterization3.png
posterization.png posterization5.png

出力画像

  • カラー
input step = 2
input output
step = 3 step = 4
output output
  • グレイスケール
input step = 2
input output
step = 3 step = 4
output output

ポストカードっぽくなりました.

関数

変換関数
def posterization(frame, step = 4):
    if 1 < step and step <= 256:
        look_up_table = np.zeros((256, 1), dtype = 'uint8')
        split = int(256 / (step - 1))
        up = int(256 / step)
        for i in range(256):
            if np.trunc(i / up) * split >= 255:
                look_up_table[i][0] = 255
            else:
                look_up_table[i][0] = np.trunc(i / up) * split
        return cv2.LUT(frame, look_up_table)
    else:
        return frame

多分このコードが思いつくのに一番苦労したきがします...
もっといい方法がございましたら, ご教授ください.

▷2値化

閾値 n より
小さいときの値を0(最小値)
大きいときの値を255(最大値)にする変換です.

今回は使っていませんが, cv2ライブラリの中に二値化の関数があります.
cv2.adaptiveThreshold(), cv2.threshold() があります.

f(x) = \begin{cases}
       0 & (x < n) \\ 255 &(otherwise)
\end{cases}

トーンカーブ

今回, 閾値 n = {50, 128, 200} の場合について出力します.

thre_50.png thre_128.png thre_200.png

出力画像

  • カラー
input n = 50
input output
n = 128 n = 200
output output
  • グレイスケール
input n = 50
input output
n = 128 n = 200
output output

関数

変換関数
def threshold(frame, threshold_v = 50):
    frame[frame < threshold_v] = 0
    frame[frame >= threshold_v] = 255
    return frame

メイン関数

ex.py
import cv2
import numpy as np

#関数群(省略)

def main():
    img_path = '.\\image\\castle.jpg' #任意に画像を指定
    img = cv2.imread(img_path)
    frame = grayScale(img)
    #関数を呼び出し, 実行してください.
    #例:
    # cv2.imwrite('tone_changed.jpg', negaPosi(img))

if __name__ == '__main__':
    main()

おわりに

今回いくつかのトーンカーブによる諧調変換をつらつらと紹介しました.
次は, フィルタによる画像処理をやっていこうと思っています.

UIを追加して, 実用性を上げるでもよしですね.

それでは:wave:

参考

関連記事

13
15
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
Sign upLogin
13
15