python中如何提高图像质量

第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）：

fromaipimportAipImageProcess

importbase64

importos

APP_ID=''

API_KEY=''

SECRET_KEY=''

client=AipImageProcess(APP_ID,API_KEY,SECRET_KEY)

"""读取图片"""

defget_file_content(filePath):

withopen(filePath,'rb')asfp:

returnfp.read()

defget_all_file(path):

all_file=[]

foriinos.listdir(path):

file_name=os.path.join(path,i)

all_file.append(file_name)

returnall_file

forimg_pathinget_all_file('img'):

image=get_file_content(img_path)

"""调用图像清晰度增强"""

ifnotos.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

fromPILimportImage

fromPILimportImageEnhance

importnumpyasnp

importmatplotlib.pyplotasplt

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

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：

importcv2

importnumpyasnp

importmath

defpsnr1(img1,img2):

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

ifmse1.0e-10:

return100

return10*math.log10(255.0**2/mse)

defpsnr2(img1,img2):

mse=np.mean((img1/255.-img2/255.)**2)

ifmse1.0e-10:

return100

PIXEL_MAX=1

return20*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，