121 lines
4.5 KiB
Python
Executable File
121 lines
4.5 KiB
Python
Executable File
"""
|
|
calibrate.py —— 在跑 OpenMVS 之前，对输入照片做白平衡 + 曝光统一。
|
|
这是消除"源视图色温差异"最彻底、最安全的办法：在像素进入纹理管线之前就对齐。
|
|
用法: python calibrate.py <image_dir> <out_dir>
|
|
|
|
做了两件事（都可选、都保守，不会破坏细节）：
|
|
1) Gray-World 白平衡：把每张图的通道均值拉向全局中值（去色温差）
|
|
2) 全局曝光归一化：把所有图的亮度中位数对齐到全局中位数（去曝光差）
|
|
|
|
注意：OpenMVS 的 EstimateGlobalPhotometricCorrection 强依赖稠密点云，
|
|
如果没有点云它会被跳过（你之前日志里 "Photometric: no point cloud, skip"）。
|
|
所以在这里预处理是最稳的兜底。
|
|
"""
|
|
import os, sys, glob
|
|
import numpy as np
|
|
import cv2
|
|
|
|
|
|
def gray_world(img_bgr, ref_bgr=None):
|
|
"""灰度世界白平衡。
|
|
|
|
若给定 ref_bgr（全局参考图的 BGR 均值），则把本图通道均值拉向 ref；
|
|
否则用本图三通道的均值作为中性灰参考（单图自校正）。
|
|
不做任何“保守衰减”——必须完全对齐，否则等于没做。
|
|
"""
|
|
b, g, r = [img_bgr[:, :, c].astype(np.float32) for c in range(3)]
|
|
mb, mg, mr = b.mean(), g.mean(), r.mean()
|
|
if ref_bgr is not None:
|
|
rb, rg, rr = ref_bgr
|
|
else:
|
|
# 单图自校正：以三通道共同均值作为中性灰目标
|
|
m = (mb + mg + mr) / 3.0
|
|
rb, rg, rr = m, m, m
|
|
kb = rb / mb if mb > 1e-6 else 1.0
|
|
kg = rg / mg if mg > 1e-6 else 1.0
|
|
kr = rr / mr if mr > 1e-6 else 1.0
|
|
# 限制增益上限，防止极端单图把噪声放大
|
|
def clamp_gain(k):
|
|
return min(max(k, 0.3), 3.0)
|
|
kb, kg, kr = clamp_gain(kb), clamp_gain(kg), clamp_gain(kr)
|
|
out = np.stack([
|
|
np.clip(b * kb, 0, 255),
|
|
np.clip(g * kg, 0, 255),
|
|
np.clip(r * kr, 0, 255),
|
|
], axis=2).astype(np.uint8)
|
|
return out
|
|
|
|
|
|
def normalize_exposure(img_bgr, target_median):
|
|
"""曝光归一化：按亮度中位数线性缩放，对齐到全局目标中位数。
|
|
只做温和限制（上限 2.0），保证不同视图曝光真正一致。"""
|
|
gray = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2GRAY).astype(np.float32)
|
|
med = np.median(gray)
|
|
if med < 1.0:
|
|
return img_bgr
|
|
scale = target_median / med
|
|
scale = min(scale, 2.0) # 防止极暗图放大噪声，但允许充分提亮
|
|
out = np.clip(img_bgr.astype(np.float32) * scale, 0, 255).astype(np.uint8)
|
|
return out
|
|
|
|
|
|
def main():
|
|
if len(sys.argv) < 3:
|
|
print("usage: python calibrate.py <image_dir> <out_dir>")
|
|
sys.exit(1)
|
|
in_dir, out_dir = sys.argv[1], sys.argv[2]
|
|
os.makedirs(out_dir, exist_ok=True)
|
|
|
|
paths = sorted(glob.glob(os.path.join(in_dir, "*.*")))
|
|
paths = [p for p in paths if p.lower().endswith((".jpg", ".jpeg", ".png", ".tif", ".bmp"))]
|
|
if not paths:
|
|
print("no images found in", in_dir)
|
|
sys.exit(1)
|
|
|
|
# ---- 第一遍：统计所有图，确定全局参考（目标白平衡 + 目标亮度）----
|
|
means = [] # (mb, mg, mr)
|
|
meds = []
|
|
for p in paths:
|
|
img = cv2.imread(p)
|
|
if img is None:
|
|
continue
|
|
b, g, r = img[:, :, 0].astype(np.float32), img[:, :, 1].astype(np.float32), img[:, :, 2].astype(np.float32)
|
|
means.append((b.mean(), g.mean(), r.mean()))
|
|
gray = 0.299 * r + 0.587 * g + 0.114 * b
|
|
meds.append(np.median(gray))
|
|
|
|
means = np.array(means)
|
|
meds = np.array(meds)
|
|
|
|
# 全局参考 = 所有图通道均值的均值（= 数据集整体真实色彩），亮度取中位数
|
|
ref_b = means[:, 0].mean()
|
|
ref_g = means[:, 1].mean()
|
|
ref_r = means[:, 2].mean()
|
|
ref_bgr = (ref_b, ref_g, ref_r)
|
|
target_median = float(np.median(meds))
|
|
|
|
print(f"[calibrate] {len(paths)} images")
|
|
print(f"[calibrate] global reference white-balance (B,G,R) = ({ref_b:.1f}, {ref_g:.1f}, {ref_r:.1f})")
|
|
print(f"[calibrate] global reference luminance median = {target_median:.1f}")
|
|
|
|
# ---- 第二遍：所有图统一校正到同一参考 ----
|
|
for i, p in enumerate(paths):
|
|
img = cv2.imread(p)
|
|
if img is None:
|
|
continue
|
|
|
|
# 1) 白平衡：把本图拉向全局参考 ref_bgr
|
|
out = gray_world(img, ref_bgr=ref_bgr)
|
|
|
|
# 2) 曝光归一化：亮度中位数对齐到全局目标
|
|
out = normalize_exposure(out, target_median)
|
|
|
|
name = os.path.basename(p)
|
|
cv2.imwrite(os.path.join(out_dir, name), out)
|
|
|
|
print(f"[calibrate] done -> {out_dir}")
|
|
|
|
|
|
if __name__ == "__main__":
|
|
main()
|