安装

假设您已经安装了OpenCV（带有Python绑定）和NumPy，最简单的安装方法是使用pip：

代码解释

我已经创建了一个PyPI包，你可以用它在你自己的图像之间进行颜色转换。该代码也可以在GitHub上获得。

（以下为GitHub的代码链接：

https://github.com/jrosebr1/color_transfer）

不管怎样，让我们卷起袖子，把手弄脏，看看color_transfer包下面发生了什么：

第3行和第4行导入我们需要的包。我们将使用NumPy进行数值处理，使用CV2进行OpenCV绑定。

从那里，我们在第5行定义了颜色传递函数。此函数执行颜色从源图像（第一个参数）到目标图像（第二个参数）的实际传输。

Reinhard等人详细介绍的算法表明，应该使用L*a*b*颜色空间，而不是标准RGB。为了处理这个问题，我们将源图像和目标图像转换为第9行和第10行的L*a*b*颜色空间（步骤1和2）。

OpenCV将图像表示为多维NumPy数组，但默认为uint8数据类型。这在大多数情况下都很好，但在执行颜色转移时，我们可能会有负值和十进制值，因此我们需要使用浮点数据类型。

现在，让我们开始执行实际的颜色转移：

第12行和第13行調用image_stats函數，我將在幾段中詳細討論。 但就現時而言，要知道該函數只是分別計算每個L*、a*和b*通道的點數强度的平均值和標準差（步驟3和4）。

現在我們有了源影像和目標影像的每個L*a*b*通道的平均值和標準差，我們現在可以執行顏色轉移。

在第17-20行，我們將目標影像分割為L*、a*和b*分量，並减去它們各自的平均值（步驟5）。

從這裡開始，我們在第23-25行上執行第6步，按目標標準差除以源影像標準差的比率進行縮放。

然後，我們可以應用第7步，將第28-30行的源通道平均值相加。

第8步是在第34-36行處理的，在這裡我們剪輯掉範圍[0255]之外的值（在L*a*b*顏色空間的OpenCV實現中，這些值被縮放到範圍[0255]，儘管這不是原始L*a*b*規範的一部分）。

最後，我們在第41行和第42行執行第9步和第10步，將縮放的L*a*b*通道合併在一起，最後轉換回原始RGB顏色空間。

最後，我們在第45行返回彩色轉印影像。

讓我們快速查看image_stats函數，以完成以下程式碼解釋：

这里我们定义image_stats函数，它接受一个参数：我们要计算统计数据的图像。

在调用CV2之前，我们假设图像已经在L*a*b*颜色空间中。在第46行拆分，将我们的图像拆分为各自的频道。

从这里开始，第47-49行处理计算每个通道的平均值和标准偏差。

最后，在第52行返回每个通道的平均值和标准偏差的元组。