根据灰度动态范围将图像分类为褪色或不褪色？

Posted 2023-03-12

【中文标题】根据灰度动态范围将图像分类为褪色或不褪色？

【英文标题】：Classify image as washed-out or not based on the grayscale dynamic range?

【发布时间】：2018-12-21 05:26:50

【问题描述】：

我正在尝试在 Python 的 OpenCV 上重新创建一个算法（来自 publication），以检测图像是否具有褪色效果。

论文陈述如下：

“褪色图像的动态范围缩小（在灰度 图像）相对于具有自然色彩的图像。合规性 分数只是通过重新调整动态范围来计算 灰度图像到 [0;100]"

问题是，我不明白什么是灰度动态范围。

这是关于计算灰度图像 [0-255] 的最小和最大像素值之间的差异并将该值重新缩放到 [0-100] 的范围吗？

【问题讨论】：

是的，动态范围是最大值和最小值的差值。引用可能遗漏了一些信息，因为简单地缩放图像的强度值不会给你分数，还必须做其他事情。

可能：例如：如果您的范围是 0..255 => gdr=255，那么您的得分是 100。对于 80..173 => gdr=93 的范围，您的得分是 93*100 /255=36.47 但这只是我的直觉，没有读过论文；）

【参考方案1】：

我在 researchgate.com 上找到了这篇论文。该论文讨论了人脸图像必须通过的各种标准才能被标记为机器可读。因为与人类不同的机器无法理解光照、遮挡、姿势差异等各种条件下的人脸图像。除了问题中的陈述之外，关于 ICAO 13 的信息并不多。所以我推测它会是以下方式。

根据 ICAO 13 将灰度图像转换为动态范围可以通过以下方式完成：

我从 OpenCV 文档中获取了一个示例图像来说明这一点：

代码：

import cv2
import numpy as np

img = cv2.imread(path + 'wiki.jpg', 0)

print(((np.max(img) - np.min(img)) * 100) / 255)
cv2.imshow(path + 'normal.jpg', img)

equ = cv2.equalizeHist(img)
print(((np.max(equ) - np.min(equ)) * 100) / 255)
cv2.imshow(path + 'equalized.jpg', equ)

结果：

 Dynamic range of original image : 36
 Dynamic range of equalized image : 100

原图：

均衡图像：

现在，由于您的值介于 0 到 100 之间，您可以选择一个阈值（例如 85） 并说具有 85 及以上值的图像被认为是机器可读的。如果值低于阈值，则丢弃图像。