如何计算两个图像之间的 Delta E

Question

我目前正在尝试使用 OpenCV 确定我们的输出图像与使用 Python 绘制的莫奈画之间的色差。

通过我的研究，我发现 Delta E 是确定色差的最佳选择。 我尝试使用提取两个图像的 BGR 通道，然后采用用于计算每个颜色通道差异的平均“蓝色”、“绿色”和“红色”颜色。

output_chans = cv2.split(image)
monet_chans = cv2.split(best_painting)
colors = ("Blue", "Green", "Red")

for (output_chan, monet_chan, color) in zip(output_chans, monet_chans, colors):
    output_mean = np.mean(output_chan)
    monet_mean = np.mean(monet_chan)

    color1_rgb = None
    color2_rgb = None

    if color == "Blue":
            color1_rgb = sRGBColor(0.0, 0.0, output_mean)
            color2_rgb = sRGBColor(0.0, 0.0, monet_mean)
    elif color == "Green":
            color1_rgb = sRGBColor(0.0, output_mean, 0.0);
            color2_rgb = sRGBColor(0.0, monet_mean, 0.0);
    elif color == "Red":
            color1_rgb = sRGBColor(output_mean, 0.0, 0.0);
            color2_rgb = sRGBColor(monet_mean, 0.0, 0.0);

    # Convert from RGB to Lab Color Space
    color1_lab = convert_color(color1_rgb, LabColor);

    # Convert from RGB to Lab Color Space
    color2_lab = convert_color(color2_rgb, LabColor);

    # Find the color difference
    delta_e = delta_e_cie2000(color1_lab, color2_lab);

    print("Delta E of the Mean of %s Channel: %f" % (color, delta_e))

我收到每个颜色通道的色差输出，但是我的教授建议我可能做错了 Delta E，因为我应该只获得整个图像的色差值，而不是每个值三个颜色通道。 在这种情况下，是否有替代方法或正确的方法来计算我们两个图像的 Delta E？

这是我们测试图像示例的链接： https : //imgur.com/a/KToggFS

以及绘画样本的链接： https : //imgur.com/a/vi1SFax

Answer 1

您似乎正在使用colormath库，它可以很好地进行数学运算，但速度很慢。 colour-science包使用 numpy 来向量化操作并在更短的时间内获得答案

您正在使用的cv2库具有您需要的一些转换的简单版本，例如，您可以获得大部分方式：

import cv2

image1_rgb = cv2.imread('image1.jpeg')
image2_rgb = cv2.imread('image2.jpeg')

image1_lab = cv2.cvtColor(image1_rgb, cv2.COLOR_RGB2Lab)
image2_lab = cv2.cvtColor(image2_rgb, cv2.COLOR_RGB2Lab)

但请注意，如果您先转换为浮点数，您可能会获得更好的结果：

image_lab = cv2.cvtColor(image_rgb.astype(np.float32) / 255, cv2.COLOR_RGB2Lab)

然后只需使用color-science对每个像素的delta_E()进行最终调用（但请注意，这些都是矢量化的，因此您只需将所有内容的数组都提供给它，它就会立即高效地完成所有工作）：

import colour

delta_E = colour.delta_E(image1_lab, image2_lab)

然后你可能想要整个图像的平均值：

np.mean(delta_E)

但中位数、分位数或绘制分布会给你更多信息

请注意，如果您关心色彩空间并且需要更多地控制从 RGB 到 Lab 的转换，您可以通过colour-science获得更多控制，粗略的模板如下所示：

image_lab = colour.XYZ_to_Lab(colour.sRGB_to_XYZ(image_srgb))

并且有很多关于如何在此过程中进行此转换的选项，请参阅colour.XYZ_to_Lab和colour.XYZ_to_Lab文档。

Answer 2

上面的答案是正确的。 但是，如果您正在寻找更简化的计算 Delta E 的方法，即避免额外的依赖项。 您可以简单地计算计算两个图像之间的欧几里得距离并取平均值。

def deltaE(img1, img2, colorspace = cv2.COLOR_BGR2LAB):
   # check the two images are of the same size, else resize the two images
   (h1, w1) = img1.shape[:2]
   (h2, w2) = img1.shape[:2]
    h, w = None, None
    # check the height
    if h1 > h2:
        h = h1
    else:
        h = h2
    #check the width
    if w1 > w2:
        w = w1
    else:
        w = w2
    
    img1 = cv2.resize(img1, (h,w))
    img2 = cv2.resize(img2, (h,w))
    # Convert BGR images to specified colorspace
    img1 = cv2.cvtColor(img1, colorspace)
    img2 = cv2.cvtColor(img2, colorspace)
    # compute the Euclidean distance with pixels of two images 
    return np.sqrt(np.sum((img1 - img2) ** 2, axis=-1))/255.