Python Photoshop'背后的算法是什么；s&x201C；黑白”；调整层？

我做了很多研究，但没有发现任何东西（但我也不知道到底要搜索什么样的关键字）。我希望能够将输入的RGB图像转换为灰度，但我希望能够添加或多或少的红色/黄色/绿色/青色/蓝色/品红，就像在Photoshop中一样。你知道方程式是什么，或者我在哪里可以找到这些方程式，这样我就可以实现我自己的优化RGB到灰度转换了吗

编辑： 在Photoshop中，它被称为黑白调整层。我发现了一些东西，但实际上似乎不起作用。以下是我的实现（注释中是理解算法所需的资源）：

将numpy导入为np
导入scipy.misc
将matplotlib.pyplot作为plt导入
%matplotlib内联
#根据Ivan Kuckir和Royi的回答改编：
# https://dsp.stackexchange.com/questions/688/what-is-the-algorithm-behind-photoshops-black-and-white-adjustment-layer?newreg=77420cc185fd44099d8be961e736eb0c
def rgb2hls（img）：
“”“已调整为从中使用numpy”
https://github.com/python/cpython/blob/2.7/Lib/colorsys.py"""
r、 g，b=img[：，：，0]，img[：，：，1]，img[：，：，2]
maxc=np.max（img，轴=-1）
minc=np.min（img，轴=-1）
l=（最小值+最大值）/2
蒙版=np.类蒙版（r）
掩码[np.where（minc==maxc）]=0
mask=mask.astype（np.bool）
smask=np.更大（l，0.5）.aType（np.32）
s=（1.0-smask）*（（maxc-minc）/（maxc+minc））+smask*（（maxc-minc）/（2.0-maxc-minc））
s[~mask]=0
rc=np.其中（掩码，（maxc-r）/（maxc-minc），0）
gc=np，其中（掩码，（maxc-g）/（maxc-minc），0）
bc=np.where（mask，（maxc-b）/（maxc-minc），0）
rmask=np.equal（r，maxc）.astype（np.float32）
gmask=np.equal（g，maxc）.astype（np.float32）
rgmask=np.logical_或（rmask，gmask）.astype（np.float32）
h=rmask*（bc-gc）+gmask*（2.0+rc-bc）+（1.0-rgmask）*（4.0+gc-rc）
h=np.余数（h/6.0，1.0）
h[~mask]=0
返回np.stack（[h，l，s]，轴=-1）
def黑白调整（图像、重量）：
#如果uint8，则将输入图像规格化为（0，1）
如果（image）.dtype.name中的“uint8”：
image=image/255
#线性地将输入系数[-200300]重新映射到[-2.5,2.5]
权重=（权重-50）/100
n_权重=len（权重）
h、 w=图像.形状[：2]
#将rgb转换为hls
hls_img=rgb2hls（图像）
输出=np.zero（（h，w），数据类型=np.float32）
#见图9https://en.wikipedia.org/wiki/HSL_and_HSV
#了解算法
对于范围（h）内的y：
对于范围（w）内的x：
色调=6*hls\U图像[y，x，0]
#在六边形上使用距离（也许圆形距离更好？）
差异值=最小值（绝对值（0-色调值），绝对值（1-（0-色调值）））
亮度系数=权重[0]*最大值（0，1-差异值）
对于范围内的k（1，n_权重）：
亮度系数+=权重[k]*max（0,1-abs（k-色调值））
#输出[y，x]=最小值（最大值（hls_img[y，x，1]*（1+亮度系数），0），1）
输出[y，x]=hls_img[y，x，1]*（1+亮度系数）
返回输出
image=scipy.misc.imread（“your\u image\u here.png”）
w=np.数组（[40,85,204,60,20,80]）
out=黑色和白色调整（图，w）
plt.图（figsize=（15,20））
plt.imshow（out，cmap='gray'）

---

谢谢

这里尝试使用

PIL

而不是

numpy

。它应该很容易转换。如果没有Photoshop的副本可供比较，我不能保证它与输出完全匹配，但它确实为链接中显示的示例生成了精确的值。值

r_w、y_w、g_w、c_w、b_w、m_w

是应用于每种颜色的权重，在相应的Photoshop滑块中，1.0等于100%。当然，它们也可能是消极的

from PIL import Image
im = Image.open(r'c:\temp\temp.png')
def ps_black_and_white(im, weights):
    r_w, y_w, g_w, c_w, b_w, m_w = [w/100 for w in weights]
    im = im.convert('RGB')
    pix = im.load()
    for y in range(im.size[1]):
        for x in range(im.size[0]):
            r, g, b = pix[x, y]
            gray = min([r, g, b])
            r -= gray
            g -= gray
            b -= gray
            if r == 0:
                cyan = min(g, b)
                g -= cyan
                b -= cyan
                gray += cyan * c_w + g * g_w + b * b_w
            elif g == 0:
                magenta = min(r, b)
                r -= magenta
                b -= magenta
                gray += magenta * m_w + r * r_w + b * b_w
            else:
                yellow = min(r, g)
                r -= yellow
                g -= yellow
                gray += yellow * y_w + r * r_w + g * g_w
            gray = max(0, min(255, int(round(gray))))
            pix[x, y] = (gray, gray, gray)
    return im

使用此提供的测试图像，下面是一些示例结果

---

这里尝试使用

PIL

而不是

numpy

。它应该很容易转换。如果没有Photoshop的副本可供比较，我不能保证它与输出完全匹配，但它确实为链接中显示的示例生成了精确的值。值

r_w、y_w、g_w、c_w、b_w、m_w

是应用于每种颜色的权重，在相应的Photoshop滑块中，1.0等于100%。当然，它们也可能是消极的

from PIL import Image
im = Image.open(r'c:\temp\temp.png')
def ps_black_and_white(im, weights):
    r_w, y_w, g_w, c_w, b_w, m_w = [w/100 for w in weights]
    im = im.convert('RGB')
    pix = im.load()
    for y in range(im.size[1]):
        for x in range(im.size[0]):
            r, g, b = pix[x, y]
            gray = min([r, g, b])
            r -= gray
            g -= gray
            b -= gray
            if r == 0:
                cyan = min(g, b)
                g -= cyan
                b -= cyan
                gray += cyan * c_w + g * g_w + b * b_w
            elif g == 0:
                magenta = min(r, b)
                r -= magenta
                b -= magenta
                gray += magenta * m_w + r * r_w + b * b_w
            else:
                yellow = min(r, g)
                r -= yellow
                g -= yellow
                gray += yellow * y_w + r * r_w + g * g_w
            gray = max(0, min(255, int(round(gray))))
            pix[x, y] = (gray, gray, gray)
    return im

使用此提供的测试图像，下面是一些示例结果

---

我通过添加numpy/scipy版本的代码来回答我自己的问题，如果将来任何人对它感兴趣的话如果你想投票表决一个答案，你应该投票表决Mark Ransom的答案

将numpy导入为np
导入scipy.misc
将matplotlib.pyplot作为plt导入
%matplotlib内联
def黑色和白色调整（img、重量）：
rw、yw、gw、cw、bw、mw=重量/100
h、 w=图像形状[：2]
min_c=np.min（img，axis=-1）.aType（np.float）
#max_c=np.max（img，axis=-1）.astype（np.float）
#可以尝试不同的定义，如
# https://en.wikipedia.org/wiki/HSL_and_HSV
#比如：亮度=（最小值+最大值）/2。。。
亮度=最小值
diff=img-min_c[：，：，无]
红色遮罩=（差异[：，：，0]==0）
绿色掩码=np.逻辑掩码和（（diff[：，：，1]==0），~red\u掩码）
蓝色屏蔽=~np.逻辑屏蔽或（红色屏蔽、绿色屏蔽）
c=np.min（差[：，：，1:，轴=-1）
m=np.min（差[：，[0,2]]，轴=-1）
yel=np.min（差[：，：2]，轴=-1）
亮度=亮度+红色遮罩*（c*cw+（差值[：，：，1]-c）*gw+（差值[：，：，2]-c）*bw）\
+绿色遮罩*（m*mw+（差异[：，：，0]-m）*rw+（差异[：，：，2]-m）*bw）\
+蓝色遮罩*（yel*yw+（差异[：，：，0
ps_black_and_white(im, [40, 60, 40, 60, 20, 80])

ps_black_and_white(im, [106, 65, 17, 17, 104, 19])