Python 将颜色校正opencv模块示例从C++；巨蟒
我尝试在示例中转换颜色校正模块 但我遇到了一些困难，因为我不知道C++，< /P>Python 将颜色校正opencv模块示例从C++；巨蟒,python,c++,opencv,colors,Python,C++,Opencv,Colors,我尝试在示例中转换颜色校正模块 但我遇到了一些困难，因为我不知道C++，< /P> //compte color correction matrix ColorCorrectionModel model1(src, COLORCHECKER_Vinyl); model1.run(); Mat ccm = model1.getCCM(); std::cout<<"ccm "<<ccm<<std::end
//compte color correction matrix
ColorCorrectionModel model1(src, COLORCHECKER_Vinyl);
model1.run();
Mat ccm = model1.getCCM();
std::cout<<"ccm "<<ccm<<std::endl;
double loss = model1.getLoss();
std::cout<<"loss "<<loss<<std::endl;
#!/usr/bin/python
# -*- coding: utf-8 -*-
import cv2
import numpy as np
image = cv2.imread('input.jpg')
detector = cv2.mcc.CCheckerDetector_create()
detector.process(image, cv2.mcc.MCC24, 1)
checkers = detector.getListColorChecker()
for checker in checkers:
cdraw = cv2.mcc.CCheckerDraw_create(checker)
img_draw = image.copy()
cdraw.draw(img_draw)
chartsRGB = checker.getChartsRGB()
width, height = chartsRGB.shape[:2]
roi = chartsRGB[0:width,1]
print (roi)
rows = int(roi.shape[:1][0])
src = chartsRGB[:,1].copy().reshape(int(rows/3), 1, 3)
src /= 255
#print(src.shape)
model = cv2.ccm_ColorCorrectionModel(src, cv2.ccm.COLORCHECKER_Macbeth)
model.setColorSpace(cv2.ccm.COLOR_SPACE_sRGB)
model.setCCM_TYPE(cv2.ccm.CCM_3x3)
model.setDistance(cv2.ccm.DISTANCE_CIE2000)
model.setLinear(cv2.ccm.LINEARIZATION_GAMMA)
model.setLinearGamma(2.2)
model.setLinearDegree(3)
model.setSaturatedThreshold(0, 0.98)
model.run()
ccm = model.getCCM()
print ('ccm:\n{}\n'.format(ccm))
loss = model.getLoss()
print ('loss:\n{}\n'.format(loss))
img_ = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
img_ = img_.astype(np.float64)
img_ = img_/255
calibratedImage = model.infer(img_)
out_ = calibratedImage * 255
out_[out_ < 0] = 0
out_[out_ > 255] = 255
out_ = out_.astype(np.uint8)
out_img = cv2.cvtColor(out_, cv2.COLOR_RGB2BGR)
cv2.imwrite('output.jpg', out_img);
width, height = image.shape[:2]
image = cv2.resize(image, (int(height/4),int(width/4)), interpolation=cv2.INTER_CUBIC)
img_draw = cv2.resize(img_draw, (int(height/4),int(width/4)), interpolation=cv2.INTER_CUBIC)
out_img = cv2.resize(out_img, (int(height/4),int(width/4)), interpolation=cv2.INTER_CUBIC)
cv2.namedWindow('Image')
cv2.imshow("Image",image)
cv2.imshow('img_draw', img_draw)
cv2.imshow('Out Image', out_img)
cv2.waitKey(0)
cv2.destroyAllWindows()
#/usr/bin/python
#-*-编码：utf-8-*-
进口cv2
将numpy作为np导入
image=cv2.imread（'input.jpg'）
检测器=cv2.mcc.CCheckerDetector_create（）
探测器。过程（图像，cv2.mcc.MCC24，1）
checkers=detector.getListColorChecker（）
对于棋盘格中的棋盘格：
cdraw=cv2.mcc.CCheckerDraw\u创建（检查程序）
img_draw=image.copy（）
图纸绘制（图纸绘制）
chartsRGB=checker.getChartsRGB（）
宽度、高度=图表GB.形状[：2]
roi=chartsRGB[0:宽度，1]
打印（roi）
rows=int（roi.shape[：1][0]）
src=chartsRGB[：，1].copy（）.reformate（int（rows/3），1，3）
src/=255
#打印（src.shape）
model=cv2.ccm\u ColorCorrectionModel（src，cv2.ccm.COLORCHECKER\u Macbeth）
model.setColorSpace（cv2.ccm.COLOR\u SPACE\u sRGB）
model.setCCM_TYPE（cv2.ccm.ccm_3x3）
型号设定距离（cv2.ccm.DISTANCE_CIE2000）
模型设置线性化（cv2.ccm.LINEARIZATION_GAMMA）
型号：setLinearGamma（2.2）
模型。setLinearDegree（3）
型号设置饱和阈值（0,0.98）
model.run（）
ccm=model.getCCM（）
打印（'ccm:\n{}\n'.格式（ccm））
loss=model.getLoss（）
打印（'丢失：\n{}\n'。格式（丢失））
img=cv2.CVT颜色（图像，cv2.COLOR\u BGR2RGB）
img=img.astype（np.float64）
img_uu=img_uu/255
校准图像=模型。推断（img_u2;）
输出=校准图像*255
out\u0[out\u0<0]=0
out_uu[out_uu>255]=255
out=out类型（np.uint8）
out\u img=cv2.cvt颜色（out\u，cv2.COLOR\u RGB2BGR）
cv2.imwrite（'output.jpg'，out\u img）；
宽度，高度=图像。形状[：2]
image=cv2.resize（image，（int（高度/4）、int（宽度/4）），插值=cv2.INTER_CUBIC）
img_draw=cv2.调整大小（img_draw，（int（高度/4），int（宽度/4）），插值=cv2.内部立方）
out\u img=cv2.调整大小（out\u img，（int（高度/4），int（宽度/4）），插值=cv2.内部立方）
cv2.namedWindow（“图像”）
cv2.imshow（“图像”，图像）
cv2.imshow（“img_图纸”，img_图纸）
cv2.imshow（“输出图像”，输出图像）
cv2.等待键（0）
cv2.destroyAllWindows（）
更多的人有这个问题：没有解决方案被报告。C++代码（DOCs上的教程代码。OpenCV.org）有一个三通道数据（VEC3D）的列矩阵，因为API期望这种数据。由于OpenCV的cv:：Mat/np.array转换逻辑，此形状映射为（-1,1,3）
（自动行、1列、3通道）的numpy形状。请提供进一步的上下文，如：此代码如何工作？另一个用户将如何调整此代码以满足其需求？哪些行对于更改校正算法至关重要？
#!/usr/bin/python
# -*- coding: utf-8 -*-
import cv2
import numpy as np
image = cv2.imread('input.jpg')
detector = cv2.mcc.CCheckerDetector_create()
detector.process(image, cv2.mcc.MCC24, 1)
checkers = detector.getListColorChecker()
for checker in checkers:
cdraw = cv2.mcc.CCheckerDraw_create(checker)
img_draw = image.copy()
cdraw.draw(img_draw)
chartsRGB = checker.getChartsRGB()
width, height = chartsRGB.shape[:2]
roi = chartsRGB[0:width,1]
print (roi)
rows = int(roi.shape[:1][0])
src = chartsRGB[:,1].copy().reshape(int(rows/3), 1, 3)
src /= 255
#print(src.shape)
model = cv2.ccm_ColorCorrectionModel(src, cv2.ccm.COLORCHECKER_Macbeth)
model.setColorSpace(cv2.ccm.COLOR_SPACE_sRGB)
model.setCCM_TYPE(cv2.ccm.CCM_3x3)
model.setDistance(cv2.ccm.DISTANCE_CIE2000)
model.setLinear(cv2.ccm.LINEARIZATION_GAMMA)
model.setLinearGamma(2.2)
model.setLinearDegree(3)
model.setSaturatedThreshold(0, 0.98)
model.run()
ccm = model.getCCM()
print ('ccm:\n{}\n'.format(ccm))
loss = model.getLoss()
print ('loss:\n{}\n'.format(loss))
img_ = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)
img_ = img_.astype(np.float64)
img_ = img_/255
calibratedImage = model.infer(img_)
out_ = calibratedImage * 255
out_[out_ < 0] = 0
out_[out_ > 255] = 255
out_ = out_.astype(np.uint8)
out_img = cv2.cvtColor(out_, cv2.COLOR_RGB2BGR)
cv2.imwrite('output.jpg', out_img);
width, height = image.shape[:2]
image = cv2.resize(image, (int(height/4),int(width/4)), interpolation=cv2.INTER_CUBIC)
img_draw = cv2.resize(img_draw, (int(height/4),int(width/4)), interpolation=cv2.INTER_CUBIC)
out_img = cv2.resize(out_img, (int(height/4),int(width/4)), interpolation=cv2.INTER_CUBIC)
cv2.namedWindow('Image')
cv2.imshow("Image",image)
cv2.imshow('img_draw', img_draw)
cv2.imshow('Out Image', out_img)
cv2.waitKey(0)
cv2.destroyAllWindows()