图像阴暗度检测 逆光检测 背光检测

1.背景描述

最近需要识别出一些逆光图片。例如我识别了一个人，需要用模型去看人的身上是否有安全带，但是由于背光存在，可能会导致判断不准确。我需要把这张图片的亮度提高一些，以便模型检测。

例如下面的图片，应该被识别为阴暗。计算出阴暗度之后，还可以去做一些gamma变换之类的操作，可以参考我之前的博客。

2.实现思路

首先将图像分割为不同的区域，计算图像的综合加权亮度值。权重可以用高斯方法来计算，越靠近中央权值越高（因为我们的数据，人体一般都处于图像中央）。

第二步，可以直接统计图像中的阴暗区域的个数。此处也可以利用直方图的分布来做一个分类或计算（同事做的）。

3.实现效果

目前过于阴暗的基本都能识别，效果如下：

目前这种图像效果较差，但是其他图像还是可以的。

4.代码

import os
import shutil
from PIL import Image
import numpy as np

def gaussian_weight(distance, center_distance, edge_weight=0.1, center_weight=3):
    """ 计算高斯权重，中央权重为3，边缘权重为0.1 """
    if distance == 0:  # 中心点
        return center_weight
    else:
        return edge_weight * np.exp(-distance ** 2 / (2 * (center_distance ** 2)))

def calculate_darkness(image):
    """计算图像阴暗度"""
    grayscale = np.array(image.convert('L'))
    return np.mean(grayscale)

def process_image(image_path):
    img = Image.open(image_path).convert('RGB')
    width, height = img.size


#     horizontal_sections = int(width/20)
#     if horizontal_sections%2==0:
#         horizontal_sections+=1
#     if horizontal_sections<9:
#         horizontal_sections=9

    horizontal_sections=11
    horizontal_height = height // horizontal_sections
    vertical_sections = max(5, (width // horizontal_height) // 2 * 2 + 1)
    vertical_width = width // vertical_sections

    darkness_values = []
    weighted_darkness_values = []

    # 计算每个区域的亮度和对应的权重
    for i in range(horizontal_sections):
        for j in range(vertical_sections):
            left = j * vertical_width
            upper = i * horizontal_height
            right = left + vertical_width
            lower = upper + horizontal_height
            
            if j == vertical_sections - 1:
                right = width
            if i == horizontal_sections - 1:
                lower = height
            
            section = img.crop((left, upper, right, lower))
            darkness = calculate_darkness(section)
            darkness_values.append(darkness)

            # 计算距离并计算权重
            horizontal_center = horizontal_sections // 2
            vertical_center = vertical_sections // 2
            distance = np.sqrt((i - horizontal_center) ** 2 + (j - vertical_center) ** 2)

            # 使用高斯权重
            weight = gaussian_weight(distance, max(horizontal_sections, vertical_sections))
            weighted_darkness_values.append(weight)

    # 计算亮度小于90的区域占比
    dark_area_count = sum(1 for value in darkness_values if value < 90)
    total_areas = len(darkness_values)
    dark_area_ratio = dark_area_count / total_areas

    # 归一化权重
    total_weight = np.sum(weighted_darkness_values)
    normalized_weights = [w / total_weight for w in weighted_darkness_values]

    # 计算加权综合亮度
    total_weighted_darkness = np.sum(np.array(darkness_values) * np.array(normalized_weights))
    
    return total_weighted_darkness, dark_area_ratio

def classify_images(input_folder, output_folder_y, output_folder_z):
    if not os.path.exists(output_folder_y):
        os.makedirs(output_folder_y)
    if not os.path.exists(output_folder_z):
        os.makedirs(output_folder_z)

    for filename in os.listdir(input_folder):
        if filename.endswith(('.jpg', '.png', '.jpeg')):  # 处理常见图片格式
            image_path = os.path.join(input_folder, filename)
            total_weighted_darkness, dark_area_ratio = process_image(image_path)

            # 根据条件移动图片
            if  dark_area_ratio>0.2:  # 新增的规则
                shutil.move(image_path, os.path.join(output_folder_y, filename))
            # 根据条件移动图片
            elif total_weighted_darkness >100:
                shutil.move(image_path, os.path.join(output_folder_z, filename))
            elif dark_area_ratio<0.1:
                shutil.move(image_path, os.path.join(output_folder_z, filename))
            # 根据条件移动图片
            else:  # 新增的规则
                shutil.move(image_path, os.path.join(output_folder_y, filename))


# 使用示例
input_directory = r'E:\data\202408福建浙江安监场景效果对比\困难样本测试\阴暗'  # 原始图像的文件夹路径
output_directory_y = r'E:\data\202408福建浙江安监场景效果对比\困难样本测试\阴暗\筛选阴暗'  # 移动到阴暗图片文件夹
output_directory_z = r'E:\data\202408福建浙江安监场景效果对比\困难样本测试\阴暗\筛选明亮'  # 移动明亮图片文件夹

classify_images(input_directory, output_directory_y, output_directory_z)