根据图像中已知区域的 HSV 调整颜色（使用 ImageMagick 或类似工具）

Question

这是一个关于如何使用 ImageMagick 或类似工具对图像进行颜色校正的问题。

我们有一张带有 CMYK 样本的图像。样本印在无光泽的白卡纸上，我们在预先确定的照明条件下测量了青色（在现实生活中）的 HSV。然后，我们将此样本包含在我们拍摄的其他图像前景的卡片纸上。因为其他图片都有不同的光照条件，我们无法客观地识别图像中其他物体的颜色。

有没有一种方法，使用 ImageMagick 或类似工具，以青色为基础，在整个图像中移动 HSV 值，以便颜色或图像中的其他对象反映出与它们本来具有的值相似的值，它们是在与 CMYK 样本相同的光照条件下拍摄的吗？

简而言之，我们的目标是能够以一定的准确性确定 HSV，例如 "Yellow"（如果没有足够的光线，它可能看起来是橙色或棕色）。

我找到了几篇文章，这些文章提出了执行类似操作的技巧，但与我们在这里尝试执行的操作完全不同。

Answer 1

这里有两种使用 ImageMagick 和 Unix 工具的简单方法。

输入图像（来自http://im.snibgo.com/dcrawwb.htm）

1) 从http://xritephoto.com/documents/literature/en/ColorData-1p_EN.pdf

获取参考青色

cyan_ref="srgb(8,133,161)"

cyan_ref=`echo $cyan_ref | tr -cs "[0-9]*\n" " " | sed 's/^[ ]*//'`
echo "$cyan_ref"
8 133 161

分离 r、g 和 b 值

cyan_ref_r=`echo $cyan_ref | cut -d\  -f1`
cyan_ref_g=`echo $cyan_ref | cut -d\  -f2`
cyan_ref_b=`echo $cyan_ref | cut -d\  -f3`

2) 从图像中裁剪一个小矩形并获取青色色块的平均测量颜色。

cyan_mea=`convert cyan_measure.png -scale 1x1! -format "[pixel:u.p{0,0}]" info:`

echo "cyan_mea=$cyan_mea"
srgb(2,147,187)

cyan_mea=`echo $cyan_mea | tr -cs "[0-9]*\n" " " | sed 's/^[ ]*//'`
echo "$cyan_mea"
2 147 187

分离 r、g 和 b 值

cyan_mea_r=`echo $cyan_mea | cut -d\  -f1`
cyan_mea_g=`echo $cyan_mea | cut -d\  -f2`
cyan_mea_b=`echo $cyan_mea | cut -d\  -f3`

3) 将差异计算为百分比（相对于 255）

red_pct=`convert xc: -format "%[fx:(cyan_ref_r-cyan_mea_r)/255]" info:`
green_pct=`convert xc: -format "%[fx:(cyan_ref_g-cyan_mea_g)/255]" info:`
blue_pct=`convert xc: -format "%[fx:(cyan_ref_b-cyan_mea_b)/255]" info:`

4) 转换图片：

convert ftc_typ_sm.jpg \
-channel r -evaluate add $red_pct% +channel \
-channel g -evaluate add $green_pct% +channel \
-channel b -evaluate add $blue_pct% +channel \
ftc_typ_sm_corrected_rgb.jpg

现在您有了校正后的图像，可以测量图表或图像中的任何其他颜色。

如果您的图像是 cmyk，则对 c、m、y、k 执行相同操作或转换为 RGB 并执行上述操作。

或者，您可以在 HCL 颜色空间中执行此操作：

1) 从http://xritephoto.com/documents/literature/en/ColorData-1p_EN.pdf获取参考青色并转换为 HCL（或 HSL 或 HSV 等）。

cyan_ref="srgb(8,133,161)"
cyan_ref_hcl=`convert xc:"$cyan_ref" -colorspace HCL -format "%[pixel:u.p{0,0}]" info: | tr -cs "[0-9]*\n" " " | sed 's/^[ ]*//'`
echo "$cyan_ref_hcl"
191 60 39

将 h、c、l 值分开

cyan_ref_h=`echo "$cyan_ref_hcl" | cut -d\  -f1`
cyan_ref_c=`echo "$cyan_ref_hcl" | cut -d\  -f2`
cyan_ref_l=`echo "$cyan_ref_hcl" | cut -d\  -f3`

2) 测量青色样本并将平均值转换为 HCL

cyan_mea=`convert cyan_measure.png -scale 1x1! -format "%[pixel:u.p{0,0}]" info:`
echo "$cyan_mea"
srgb(2,147,187)

cyan_mea_hcl=`convert xc:"$cyan_mea" -colorspace HCL -format "%[pixel:u.p{0,0}]" info: | tr -cs "[0-9]*\n" " " | sed 's/^[ ]*//'`
echo "$cyan_mea_hcl"
193 73 42

将 h、c、l 值分开

cyan_mea_h=`echo "$cyan_mea_hcl" | cut -d\  -f1`
cyan_mea_c=`echo "$cyan_mea_hcl" | cut -d\  -f2`
cyan_mea_l=`echo "$cyan_mea_hcl" | cut -d\  -f3`

3) 计算差异并更改为 -modulate 的值 suitable（参见 http://www.imagemagick.org/script/command-line-options.php#modulate）

cyan_h_diff=$((cyan_ref_h-cyan_mea_h))
cyan_c_diff=$((cyan_ref_c-cyan_mea_c))
cyan_l_diff=$((cyan_ref_l-cyan_mea_l))
echo "cyan_h_diff=$cyan_h_diff; cyan_c_diff=$cyan_c_diff; cyan_l_diff=$cyan_l_diff;"
cyan_h_diff=-2; cyan_c_diff=-13; cyan_l_diff=-3;

modh=`convert xc: -format "%[fx:100+$cyan_h_diff*200/360]" info:`
modc=$((100+cyan_c_diff))
modl=$((100+cyan_l_diff))
echo "modh=$modh; modc=$modc; modl=$modl"
modh=98.8889; modc=87; modl=97

4）处理图像

convert ftc_typ_sm.jpg -define modulate:colorspace=HCL -modulate $modh,$modc,$modl ftc_typ_sm_corrected_hcl.jpg

如需更准确的方法：

1) 对所有样本执行 RGB 方法并计算平均 R、G、B 差异。

2) 执行 HCL 方法并计算平均 H、C、L 差异

3) 执行相同的操作，但计算 table 来自每个色块中每个色块的输入和输出值对的每个红色、绿色和蓝色（或色调、色度、亮度）通道图片和参考 table.

根据图像中已知区域的 HSV 调整颜色（使用 ImageMagick 或类似工具）

Adjust colors based on known HSV of region in image (using ImageMagick or similar)

color-theory