python - 使用 OpenCV 将 RGB 图像转换为 LMS，反之亦然

Question

我正在尝试在 Python 中使用 OpenCV 将图像从 RGB 转换为 LMS，反之亦然。据我了解，我应该使用给定的 3x3 变换矩阵并将其乘以 3x1 RGB/LMS 矩阵。使用的转换矩阵可以在 here 中找到。

我在这个网站上探索了 previously asked questions，但不幸的是它们使用 C++，这是一种我还不精通的语言，我很难理解他们到底是如何解决他们的问题的。

到目前为止，这是我的代码:[截至 2019-05-19 已解决]

import numpy as np
import cv2
#Transformation Matrix#
MsRGB  = np.zeros((3,3), dtype='float')
MHPE   = np.zeros((3,3), dtype='float')

MsRGB = np.array([[0.4124564, 0.3575761, 0.1804375],
                  [0.2126729, 0.7151522, 0.0721750],
                  [0.0193339, 0.1191920, 0.9503041]])

MHPE = np.array([[ 0.4002, 0.7076, -0.0808],
                 [-0.2263, 1.1653,  0.0457],
                 [      0,      0,  0.9182]])

Trgb2lms = MHPE @ MsRGB
Tlms2rgb = np.linalg.inv(Trgb2lms)

imgpath = "(insert file directory here)"
imgIN = cv2.imread(imgpath,cv2.IMREAD_UNCHANGED)
imgINrgb = cv2.cvtColor(imgIN, cv2.COLOR_BGR2RGB)

x,y,z = imgINrgb.shape
imgLMS = np.zeros((x,y,z), dtype='float')

imgReshaped = imgINrgb.transpose(2, 0, 1).reshape(3,-1)
imgLMS = Trgb2lms @ imgReshaped #Convert to LMS
imgOUT = Tlms2rgb @ imgLMS #Convert back to RGB

imgLMS = imgLMS.reshape(z, x, y).transpose(1, 2, 0).astype(np.uint8)
imgOUT = imgOUT.reshape(z, x, y).transpose(1, 2, 0).astype(np.uint8)

imgOUT = cv2.cvtColor(imgOUT, cv2.COLOR_RGB2BGR)
cv2.imshow('Input', imgIN)
cv2.imshow('LMS', imgLMS)
cv2.imshow('Output', imgOUT)
cv2.waitKey(0)
cv2.destroyAllWindows()

代码现在能够使用给定的变换矩阵对给定的 RGB 图像执行线性变换。结果可以在 here 中找到。

Answer 1

鉴于您的问题的上下文，存在一些错误:

1. T 未定义。从您的代码上下文来看，这应该是 Trgb2lms，因此我们需要更改它们。

2. 根据我从问题中收集到的信息，您正在对图像中的所有像素应用线性变换。为此，您需要 reshape 矩阵，使我们有三行，其中每行对应一个像素，然后展开沿列的所有像素。在那种情况下，reshape 方法是不正确的。您不仅需要打乱维度以便最后一个维度排在第一位，而且您还需要设置 reshape 的最后一个维度，使其为 -1。这意味着我们将自动填充列，使其包含图像中的像素总数。

3. 最后，完成线性变换后，您需要将矩阵重新整形为原始图像大小。您可以使用最终的 reshape 调用并使用原始调用中的 x, y 和 z 来推断图像尺寸。请记住，当我们 reshape 时， channel 首先出现，因此我们必须再次排列尺寸。在我们进行转换后，您还需要返回无符号 8 位精度。

4. 另外，为了进行比较，让我们通过逆变换来运行它，以确保我们拥有原始数据。

因此:

import numpy as np
import cv2
#Transformation Matrix#
MsRGB  = np.zeros((3,3), dtype='float')
MHPE   = np.zeros((3,3), dtype='float')

MsRGB = np.array([[0.4124564, 0.3575761, 0.1804375],
                  [0.2126729, 0.7151522, 0.0721750],
                  [0.0193339, 0.1191920, 0.9503041]])

MHPE = np.array([[ 0.4002, 0.7076, -0.0808],
                 [-0.2263, 1.1653,  0.0457],
                 [      0,      0,  0.9182]])

Trgb2lms = MHPE @ MsRGB

# Change
Tlms2rgb = np.linalg.inv(Trgb2lms)

imgpath = "(insert filename here)"
imgIN = cv2.imread(imgpath,cv2.IMREAD_UNCHANGED)
imgINrgb = cv2.cvtColor(imgIN, cv2.COLOR_BGR2RGB)

x,y,z = imgINrgb.shape
imgLMS = np.zeros((x,y,z), dtype='float')

#imgFlatten = imgINrgb.flatten()

# Change
imgReshaped = imgINrgb.transpose(2, 0, 1).reshape(3,-1)

# Change
imgLMS = Trgb2lms @ imgReshaped
imgOUT = Tlms2rgb @ imgLMS

# New
imgLMS = imgLMS.transpose(z, x, y).permute(1, 2, 0).astype(np.uint8)
imgOUT = imgOUT.transpose(z, x, y).permute(1, 2, 0).astype(np.uint8)