亮度和直方图匹配工具
neural-tools的Python项目详细描述
神经工具
与艺术风格转换项目一起使用的工具,基于神经风格转换中控制感知因素的研究论文,Leon A.Gatys,Alexander S.Ecker,Matthias Bethge,Aaron Hertzmann,还有伊莱·谢赫特曼。
有关如何执行比例控制和颜色控制的深入信息,包括示例中使用的神经样式参数,可以在wiki上找到颜色控制功能已被分解分为两种不同的特征,即仅亮度的样式转换和颜色匹配。缩放控制功能主要用于分离样式图像内容/形状和样式图像纹理。
线性颜色传输
match\u color
函数的代码来自非常有天赋的leon gatys的代码这里。该脚本的开发有助于在神经样式中启用比例控制,但它可以用于任何需要线性颜色传输的其他情况。支持的图像格式包括:jpg
,jpeg
,png
,tiff
等。
使用神经样式制作的缩放控制示例,可在此处查看/a> 基本用法: 高级用法: 源图像: 目标图像: 输出图像: 有关颜色匹配样式转换的详细信息,请参见wiki上的此处R. 该脚本的开发有助于在神经风格(也称为"亮度传输")中启用颜色控制。此脚本使用leon gatys的代码此处。支持的图像格式包括: 目前,所有可用的模型都是在带有rgb/bgr颜色空间的图像上训练的。图像的亮度可以用灰度彩色空间图像的形式来表示,可以转换成rgb格式作为神经样式。在通过神经样式运行灰度图像之后,使用luv颜色空间对输出重新应用颜色。 基本上由于预先训练的模型的限制,灰度图像被用来传输亮度,而支持亮度的颜色空间被用来将颜色传输回完成的输出。 基本用法: 高级用法: 所需的输入图像和输出图像取决于您选择的 模式: 模式: 模式: 模式: 调整样式图像以匹配内容图像: lt=" src="https://warehouse camo.cmh1.psfhosted.org/3be64488d1db05162779d574c14d2c6c747db1ad/68747470733a2f692e696d677572e636f6d2f64526633795a486c2e706e67" /> 神经风格之后: 最终输出图像:依赖关系:
sudo apt get install python skipage
sudo pip安装numpy
sudo pip安装scipy
用法:
python linear-color-transfer.py --target_image target.png --source_image source.png
python linear-color-transfer.py --target_image target.png --source_image source.png --output_image output.png --mode pca --eps 1e-5
参数:
--target_image
:要将颜色传送到的图像。例如:target.png
--source_image
:要从中传输颜色的图像。例如:source.png
--output_image
:输出图像的名称。例如:output.png
--mode
:颜色传输模式。选项有pca
、chol
或sym
--eps
:科学记数法或普通记数法中的epsilon值。例如:1e-5
或0.00001
示例:
线性颜色传输也用于颜色匹配样式传输:
亮度传输
jpg
,jpeg
,png
,tiff
等。工作原理:
依赖关系:
sudo apt get install python skipage
sudo pip安装numpy
sudo pip安装scipy
用法:
python lum-transfer.py --content_image content.png --style_image style.png
python lum-transfer.py --cp_mode lum --content_image content.png --style_image style.png --org_content content.png --output_style_image output_style.png --output_content_image output_content.png
参数:
--cp_mode
选项:--cp_mode
:脚本的模式。选项有lum
,lum2
,匹配
,匹配样式
lum
--内容图像
:您的内容图像。例如:content.png
--style\u image
:您的样式图像。例如:style.png
--org_content
:原始未修改的内容图像。例如:original_content.png
--输出内容图像
:输出内容图像的名称。例如:content\u output.png
--输出样式图像
:输出样式图像的名称。例如:style\u output.png
匹配
--内容图像
:您的内容图像。例如:content.png
--style\u image
:您的样式图像。例如:style.png
--输出样式图像
:输出样式图像的名称。例如:style\u output.png
匹配样式
--内容图像
:您的内容图像。例如:content.png
--style\u image
:您的样式图像。例如:style.png
--输出内容图像
:输出内容图像的名称。例如:content\u output.png
lum2
--output_lum2
:来自神经样式的输出图像的名称。例如:out.png
--org_content
:原始未修改的内容图像。例如:original_content.png
--output_image
:输出图像的名称。例如:output.png
示例:
推荐PyPI第三方库