先來看看今天的結果圖

-> 此篇文章的程式碼 github

Day06_調整色調色溫白平衡_modify_color_temperature.ipynb

前言

我們繼續製作屬於自己的日系濾鏡啦！
日系濾鏡的修圖過程，大致上有以下步驟：

接下來的日子裡我們就來一個個用程式碼實現！

運用 OpenCV 調整色調(冷色系/暖色系)、色溫(白平衡)

def modify_color_temperature(img):
    
    # ---------------- 冷色調 ---------------- #  
    
#     height = img.shape[0]
#     width = img.shape[1]
#     dst = np.zeros(img.shape, img.dtype)

    # 1.計算三個通道的平均值，並依照平均值調整色調
    imgB = img[:, :, 0] 
    imgG = img[:, :, 1]
    imgR = img[:, :, 2] 

    # 調整色調請調整這邊~~ 
    # 白平衡 -> 三個值變化相同
    # 冷色調(增加b分量) -> 除了b之外都增加
    # 暖色調(增加r分量) -> 除了r之外都增加
    bAve = cv2.mean(imgB)[0] 
    gAve = cv2.mean(imgG)[0] + 20
    rAve = cv2.mean(imgR)[0] + 20
    aveGray = (int)(bAve + gAve + rAve) / 3

    # 2. 計算各通道增益係數，並使用此係數計算結果
    bCoef = aveGray / bAve
    gCoef = aveGray / gAve
    rCoef = aveGray / rAve
    imgB = np.floor((imgB * bCoef))  # 向下取整
    imgG = np.floor((imgG * gCoef))
    imgR = np.floor((imgR * rCoef))

    # 3. 變換後處理
#     for i in range(0, height):
#         for j in range(0, width):
#             imgb = imgB[i, j]
#             imgg = imgG[i, j]
#             imgr = imgR[i, j]
#             if imgb > 255:
#                 imgb = 255
#             if imgg > 255:
#                 imgg = 255
#             if imgr > 255:
#                 imgr = 255
#             dst[i, j] = (imgb, imgg, imgr)

    # 將原文第3部分的演算法做修改版，加快速度
    imgb = imgB
    imgb[imgb > 255] = 255
    
    imgg = imgG
    imgg[imgg > 255] = 255
    
    imgr = imgR
    imgr[imgr > 255] = 255
        
    cold_rgb = np.dstack((imgb, imgg, imgr)).astype(np.uint8) 
            
    print("Cold color:")
    print(cold_rgb.shape)
    show_img(cold_rgb)
    

我們實際上做了什麼事呢?

其實我每天都在程式碼中把註解寫得很清楚了，
這邊越來越不知道要寫什麼了XD

我們所說的冷、暖色調，其實就是色溫變化的結果，
而色溫的變化，通常也就伴隨著「白平衡的破壞」。

一個白平衡的圖片，色調並不會明顯偏冷或偏暖，
但因為人類視覺上的觀感，有時我們能透過色調使圖片更有特色。

例如：

• 想呈現「冷酷、冰冷」的照片，適合使用冷色調。
• 想呈現「溫暖、熱情」的照片，適合使用暖色調。

-> 關於修改演算法的部分：
原文的演算法使用兩層for迴圈進行計算，
但既然都使用了numpy矩陣，使用矩陣算法才是更有效率的方式，
因此才有修改版的寫法，如果讀者有興趣可以自行試試執行時間的差距。

Reference

https://blog.csdn.net/weixin_39853245/article/details/101199768

https://blog.csdn.net/qq_36187544/article/details/97657927?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.channel_param

https://blog.csdn.net/wzwxiaozheng/article/details/38434391?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.channel_param

https://medium.com/%E9%9D%92%E8%98%8B%E6%9E%9C3c/%E6%94%9D%E5%BD%B1%E5%9F%BA%E7%A4%8E%E8%A8%93%E7%B7%B4-%E7%99%BD%E5%B9%B3%E8%A1%A1%E6%98%AF%E4%BB%80%E9%BA%BC-%E8%89%B2%E6%BA%AB%E8%A9%B2%E6%80%8E%E9%BA%BC%E8%AA%BF%E6%95%B4-efd8eed4df2b

https://kknews.cc/zh-tw/photography/9p425vl.html