如何计算两幅图像之间的Delta E

如何计算两幅图像之间的Delta E

您似乎正在使用能

colormath

很好地进行数学运算的库，但是速度很慢。该

colour-science

软件包使用numpy对 *** 作进行矢量化处理，并在更少的时间内获得答案

cv2

您正在使用的库具有所需的某些转换的简单版本，例如，您可以执行大部分 *** 作：

import cv2image1_rgb = cv2.imread('image1.jpeg')image2_rgb = cv2.imread('image2.jpeg')image1_lab = cv2.cvtColor(image1_rgb, cv2.COLOR_RGB2Lab)image2_lab = cv2.cvtColor(image2_rgb, cv2.COLOR_RGB2Lab)

但请注意，如果先转换为浮点数，可能会得到更好的结果：

image_lab = cv2.cvtColor(image_rgb.astype(np.float32) / 255, cv2.COLOR_RGB2Lab)

然后仅

color-science

用于

delta_E()

对每个像素的最终调用（但请注意，这些都是矢量化的，因此您只需将所有内容都赋予它数组，即可一次高效地完成所有 *** 作）：

import colourdelta_E = colour.delta_E(image1_lab, image2_lab)

然后您可能想要在整个图像上取平均值：

np.mean(delta_E)

但是中位数，分位数或绘制分布图将为您提供更多信息

请注意，如果您关心颜色空间，并且需要更多地控制从RGB到Lab的转换，则可以使用进行更多控制

colour-science

，其粗糙模板如下所示：

image_lab = colour.XYZ_to_Lab(colour.sRGB_to_XYZ(image_srgb))

关于如何进行此转换的方法有很多选择，请参阅

colour.XYZ_to_Lab

和的文档

colour.XYZ_to_Lab

。