使用 python opencv 进行照明标准化答案

【问题标题】：illumination normalization using python opencv使用 python opencv 进行照明标准化
【发布时间】：2020-06-18 01:54:08
【问题描述】：

我在做一个深度学习的图像分类项目，想实现论文https://arxiv.org/pdf/1907.09449.pdf第4.4节提供的光照归一化，但没有得到预期的结果。

在论文的4.4节中，它使用高斯kerenl滤波器得到背景图像，然后在YCrCb颜色空间中从Y通道中减去它，我尝试重现结果但与图4中的论文不一样

下面是我的代码

image = cv2.imread(file)
cv2.imshow("origin", image)

# illumination normalize
ycrcb = cv2.cvtColor(image, cv2.COLOR_BGR2YCrCb)
y, cr, cb = cv2.split(ycrcb)

# get background which paper says (gaussian method using standard deviation 5 pixel)
gaussian = cv2.GaussianBlur(y, (0, 0), 5, 5)

# subtract background from Y channel which paper says
y = y - gaussian
ycrcb = cv2.merge([y, cr, cb])

output = cv2.cvtColor(ycrcb, cv2.COLOR_YCrCb2BGR)
cv2.imshow("output", output)

但是输出的结果图片（见下图）和paper说的不一样（图4）

original image -> illumination normalized image

有人知道怎么做吗？感谢您的大力帮助:-)

【问题讨论】：

标签： python opencv

【解决方案1】：

你有两个问题。首先，您需要根据图像大小与参考中使用的 299 像素大小成比例调整高斯模糊的 sigma。其次，您需要将差异偏向中灰色附近。根据需要调整亮度偏差。

这就是我在 Python/OpenCV 中实现它的方法。

输入：

import cv2
import numpy as np

# read input
image = cv2.imread('retina2.jpg')
hh, ww = image.shape[:2]
print(hh, ww)
max = max(hh, ww)

# illumination normalize
ycrcb = cv2.cvtColor(image, cv2.COLOR_BGR2YCrCb)

# separate channels
y, cr, cb = cv2.split(ycrcb)

# get background which paper says (gaussian blur using standard deviation 5 pixel for 300x300 size image)
# account for size of input vs 300
sigma = int(5 * max / 300)
print('sigma: ',sigma)
gaussian = cv2.GaussianBlur(y, (0, 0), sigma, sigma)

# subtract background from Y channel
y = (y - gaussian + 100)

# merge channels back
ycrcb = cv2.merge([y, cr, cb])

#convert to BGR
output = cv2.cvtColor(ycrcb, cv2.COLOR_YCrCb2BGR)

# save results
cv2.imwrite('retina2_proc.jpg', output)

# show results
cv2.imshow("output", output)
cv2.waitKey(0)

结果：

【讨论】：