python中如何提高圖像質(zhì)量
python提高圖像質(zhì)量
概述
調(diào)研了一些提高圖像質(zhì)量的方式
- 深度學(xué)習(xí)方法,如微軟的Bringing-Old-Photos-Back-to-Life的模型等。存在一些問題,首先是使用深度學(xué)習(xí)方法沒有剛好的模型,得在自己的數(shù)據(jù)集上微調(diào),比較麻煩,其次是帶來的推理時間開銷會比較大,不是特別劃算,畢竟只是一個小環(huán)節(jié)。
- 商用API,發(fā)現(xiàn)百度智能云提供了很多這方面的API,調(diào)用相當(dāng)方便,但是免費次數(shù)有限啊。
- 基于python自帶的PIL 實現(xiàn)圖片亮度增強、飽和度增強、對比度增強以及銳度增強。
- 基于opencv實現(xiàn)數(shù)字圖像處理?。?!
百度智能云
官方教程:鏈接
參考代碼(方便的一塌糊涂):
from aip import AipImageProcess import base64 import os APP_ID = '' API_KEY = '' SECRET_KEY = '' client = AipImageProcess(APP_ID, API_KEY, SECRET_KEY) """ 讀取圖片 """ def get_file_content(filePath): with open(filePath, 'rb') as fp: return fp.read() def get_all_file(path): all_file=[] for i in os.listdir(path): file_name=os.path.join(path,i) all_file.append(file_name) return all_file for img_path in get_all_file('img'): image = get_file_content(img_path) """ 調(diào)用圖像清晰度增強 """ if not os.path.exists('output'): os.mkdir('output') response = client.imageDefinitionEnhance(image) imgdata = base64.b64decode(response['image']) file = open(os.path.join('output', img_path.split('\\')[-1]), 'wb') file.write(imgdata) file.close()
PIL實現(xiàn)
from PIL import Image from PIL import ImageEnhance import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['FangSong'] # 設(shè)置字體以便正確顯示漢字 plt.rcParams['axes.unicode_minus'] = False # 正確顯示連字符 # 原圖 image = Image.open('img/timg.jpg') # 亮度增強 enh_bri = ImageEnhance.Brightness(image) brightness = 2 image_brightened = enh_bri.enhance(brightness) # 色度增強(飽和度↑) enh_col = ImageEnhance.Color(image) color = 2 image_colored = enh_col.enhance(color) # 對比度增強 enh_con = ImageEnhance.Contrast(image) contrast = 2 image_contrasted = enh_con.enhance(contrast) # 銳度增強 enh_sha = ImageEnhance.Sharpness(image) sharpness = 4.0 image_sharped = enh_sha.enhance(sharpness) fig,axes=plt.subplots(nrows=2,ncols=3,figsize=(10,8),dpi=100) axes[0,0].imshow(np.array(image, dtype=np.uint8)[:,:,::-1]) axes[0,0].set_title("原圖") axes[0,1].imshow(np.array(image_brightened, dtype=np.uint8)[:,:,::-1]) axes[0,1].set_title("亮度增強") axes[0,2].imshow(np.array(image_colored, dtype=np.uint8)[:,:,::-1]) axes[0,2].set_title("飽和度增強") axes[1,0].imshow(np.array(image_contrasted, dtype=np.uint8)[:,:,::-1]) axes[1,0].set_title("對比度增強") axes[1,1].imshow(np.array(image_sharped, dtype=np.uint8)[:,:,::-1]) axes[1,1].set_title("銳度增強") axes[1,2].imshow(np.array(image_sharped, dtype=np.uint8)[:,:,::-1]) axes[1,2].set_title("銳度增強") plt.show()
opencv實現(xiàn)
python實現(xiàn)圖像質(zhì)量評價準(zhǔn)則PSNR
計算PSNR的Python代碼,網(wǎng)上有下面兩種:
import cv2 import numpy as np import math def psnr1(img1, img2): ? ?mse = np.mean((img1 - img2) ** 2 ) ? ?if mse < 1.0e-10: ? ? ? return 100 ? ?return 10 * math.log10(255.0**2/mse) def psnr2(img1, img2): ? ?mse = np.mean( (img1/255. - img2/255.) ** 2 ) ? ?if mse < 1.0e-10: ? ? ? return 100 ? ?PIXEL_MAX = 1 ? ?return 20 * math.log10(PIXEL_MAX / math.sqrt(mse))
理論上,這兩種計算方式都對應(yīng)上面的計算公式,在輸入圖像一樣的情況下,這兩段代碼的結(jié)果應(yīng)該是一樣的。
但是,在調(diào)用這段代碼的時候,我發(fā)現(xiàn)這兩者的結(jié)果卻相差很遠,同樣的圖片,psnr1的結(jié)果大概是29,而psnr2的結(jié)果是12。
gt = cv2.imread('1.jpg') img= cv2.imread('2.jpg') print(psnr1(gt,img)) print(psnr2(gt,img))
單看代碼的話完全看不出來任何問題,后來我輸出了這兩張圖像作差的結(jié)果,發(fā)現(xiàn)所有的值都是在0-255之間的,比如img1的一個像素值是30,img2的一個像素值是60,二者作差,本來應(yīng)該是-30,但是結(jié)果卻是226,即對于負值,輸出要加上256。
所以,問題就出在這行代碼上:
mse = np.mean((img1 - img2) ** 2 )
如果img1某個點的像素比img2小,而兩者差別又比較大,這個絕對值比較大的負值就會變成一個比較小的正值,MSE的結(jié)果也會偏小,那么PSNR的值就會偏大。
只要把上面那行代碼改成mse = np.mean((img1/1.0 - img2/1.0) ** 2 )就可以了。
最后,我們發(fā)現(xiàn)這兩個結(jié)果是一樣的了。
總結(jié)
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
pytorch 在網(wǎng)絡(luò)中添加可訓(xùn)練參數(shù),修改預(yù)訓(xùn)練權(quán)重文件的方法
今天小編就為大家分享一篇pytorch 在網(wǎng)絡(luò)中添加可訓(xùn)練參數(shù),修改預(yù)訓(xùn)練權(quán)重文件的方法,具有很好的參考價值,希望對大家有所幫助。一起跟隨小編過來看看吧2019-08-08如何使用scrapy中的ItemLoader提取數(shù)據(jù)
這篇文章主要介紹了如何使用scrapy中的ItemLoader提取數(shù)據(jù),文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-09-09