python中如何提高图像质量

目录

• python提高图像质量
• 概述
• 百度智能云
• PIL实现
• opencv实现
• python实现图像质量评价准则PSNR
• 总结

python提高图像质量

概述

调研了一些提高图像质量的方式

• 深度学习方法，如微软的Bringing-Old-Photos-Back-to-Life的模型等。存在一些问题，首先是使用深度学习方法没有刚好的模型，得在自己的数据集上微调，比较麻烦，其次是带来的推理时间开销会比较大，不是特别划算，毕竟只是一个小环节。
• 商用API，发现百度智能云提供了很多这方面的API，调用相当方便，但是免费次数有限啊。
• 基于python自带的PIL 实现图片亮度增强、饱和度增强、对比度增强以及锐度增强。
• 基于opencv实现数字图像处理！！！

百度智能云

官方教程：链接

参考代码（方便的一塌糊涂）：

from aip import AipImageProcess
import base64
import os
APP_ID = ''
API_KEY = ''
SECRET_KEY = ''
client = AipImageProcess(APP_ID, API_KEY, SECRET_KEY)
""" 读取图片 """
def get_file_content(filePath):
    with open(filePath, 'rb') as fp:
        return fp.read()
def get_all_file(path):
    all_file=[]
    for i in os.listdir(path):
        file_name=os.path.join(path,i)
        all_file.append(file_name)
    return all_file
for img_path in get_all_file('img'):
    image = get_file_content(img_path)
    """ 调用图像清晰度增强 """
    if not os.path.exists('output'):
        os.mkdir('output')
    response = client.imageDefinitionEnhance(image)
    imgdata = base64.b64decode(response['image'])
    file = open(os.path.join('output', img_path.split('\\')[-1]), 'wb')
    file.write(imgdata)
    file.close()

PIL实现

from PIL import Image
from PIL import ImageEnhance
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['FangSong'] # 设置字体以便正确显示汉字
plt.rcParams['axes.unicode_minus'] = False # 正确显示连字符
# 原图
image = Image.open('img/timg.jpg')
# 亮度增强
enh_bri = ImageEnhance.Brightness(image)
brightness = 2
image_brightened = enh_bri.enhance(brightness)
# 色度增强(饱和度↑)
enh_col = ImageEnhance.Color(image)
color = 2
image_colored = enh_col.enhance(color)
# 对比度增强
enh_con = ImageEnhance.Contrast(image)
contrast = 2
image_contrasted = enh_con.enhance(contrast)
# 锐度增强
enh_sha = ImageEnhance.Sharpness(image)
sharpness = 4.0
image_sharped = enh_sha.enhance(sharpness)
fig,axes=plt.subplots(nrows=2,ncols=3,figsize=(10,8),dpi=100)
axes[0,0].imshow(np.array(image, dtype=np.uint8)[:,:,::-1])
axes[0,0].set_title("原图")
axes[0,1].imshow(np.array(image_brightened, dtype=np.uint8)[:,:,::-1])
axes[0,1].set_title("亮度增强")
axes[0,2].imshow(np.array(image_colored, dtype=np.uint8)[:,:,::-1])
axes[0,2].set_title("饱和度增强")
axes[1,0].imshow(np.array(image_contrasted, dtype=np.uint8)[:,:,::-1])
axes[1,0].set_title("对比度增强")
axes[1,1].imshow(np.array(image_sharped, dtype=np.uint8)[:,:,::-1])
axes[1,1].set_title("锐度增强")
axes[1,2].imshow(np.array(image_sharped, dtype=np.uint8)[:,:,::-1])
axes[1,2].set_title("锐度增强")
plt.show()

opencv实现

链接

python实现图像质量评价准则PSNR

计算PSNR的Python代码，网上有下面两种：

import cv2
import numpy as np
import math
def psnr1(img1, img2):
   mse = np.mean((img1 - img2) ** 2 )
   if mse < 1.0e-10:
      return 100
   return 10 * math.log10(255.0**2/mse)
def psnr2(img1, img2):
   mse = np.mean( (img1/255. - img2/255.) ** 2 )
   if mse < 1.0e-10:
      return 100
   PIXEL_MAX = 1
   return 20 * math.log10(PIXEL_MAX / math.sqrt(mse))

理论上，这两种计算方式都对应上面的计算公式，在输入图像一样的情况下，这两段代码的结果应该是一样的。

但是，在调用这段代码的时候，我发现这两者的结果却相差很远，同样的图片，psnr1的结果大概是29，而psnr2的结果是12。

gt = cv2.imread('1.jpg')
img= cv2.imread('2.jpg')
print(psnr1(gt,img))
print(psnr2(gt,img))

单看代码的话完全看不出来任何问题，后来我输出了这两张图像作差的结果，发现所有的值都是在0-255之间的，比如img1的一个像素值是30，img2的一个像素值是60，二者作差，本来应该是-30，但是结果却是226，即对于负值，输出要加上256。

所以，问题就出在这行代码上：

mse = np.mean((img1 - img2) ** 2 )

如果img1某个点的像素比img2小，而两者差别又比较大，这个绝对值比较大的负值就会变成一个比较小的正值，MSE的结果也会偏小，那么PSNR的值就会偏大。

只要把上面那行代码改成mse = np.mean((img1/1.0 - img2/1.0) ** 2 )就可以了。

最后，我们发现这两个结果是一样的了。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持自由互联。