7-Reduce highlights

[Pin-Jiun]

可以看到高光源的地方都已經被模糊處理掉了！

def reduce_highlights(img):
    img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)  # 先轉成灰階處理
    ret, thresh = cv2.threshold(img_gray, 200, 255, 0)  # 利用 threshold 過濾出高光的部分，目前設定高於 200 即為高光
    contours, hierarchy  = cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    img_zero = np.zeros(img.shape, dtype=np.uint8) 

#     print(len(contours))

    for contour in contours:
        x, y, w, h = cv2.boundingRect(contour) 
        img_zero[y:y+h, x:x+w] = 255 
        mask = img_zero 

    print("Highlight part: ")
    show_img(mask)

    # alpha，beta 共同決定高光消除後的模糊程度
    # alpha: 亮度的缩放因子，默認是 0.2， 範圍[0, 2], 值越大，亮度越低
    # beta:  亮度缩放後加上的参数，默認是 0.4， 範圍[0, 2]，值越大，亮度越低
    result = cv2.illuminationChange(img, mask, alpha=0.2, beta=0.4) 
    show_img(result)

    return result

cv2.threshold 最主要的功能是能夠幫助我們將一張圖片做二值化
二值化的意思是圖片只會剩下兩個值，通常是黑(255)與白(0)。

cv2.threshold(img, 閥值, 最大灰度值, 使用的二值化方法)

img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 先將圖片轉為灰階

# 將小於閾值的灰度值設為0，其他值設為最大灰度值。>127 =255, <127 =0
ret,thresh1 = cv2.threshold(img,127,255,cv2.THRESH_BINARY)

我們使用了 cv2.illuminationChange 這個函數，有模糊高光的效果，
在 OpenCV 中似乎是比較冷門的函數 (因為網路上資料超少……)，
上面的程式碼也幾乎是我自己寫的……(網路上有C++版本，但沒有python版本)

簡單來說 cv2.illuminationChange 這個函數
cv2.illuminationChange(img, mask, alpha=0.2, beta=0.4)

第一個參數放我們的圖片
第二個參數放遮罩mask (也就是找到強光的地方，下面會再說明怎麼找)
第三個參數 alpha，亮度的缩放因子，默認是 0.2， 範圍[0, 2], 值越大，亮度越低
第四個參數 beta，亮度缩放後加上的参数，默認是 0.4， 範圍[0, 2]，值越大，亮度越低

至於我們怎麼找到我們的遮罩(mask)呢?
我們使用了 cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 先將原圖轉成了灰階，
然後對灰階圖片使用 cv2.threshold(img_gray, 200, 255, 0)，
我們利用了 threshold 過濾出高光的部分，目前設定高於 200 即認定為高光，
然後再使用 cv2.findContours 找出這些我們所要的輪廓。

但 cv2.findContours 找出的輪廓被儲存在 list 中，
我們必須將他讀出來並做圖，因此才有這一段程式碼，

for contour in contours:
    x, y, w, h = cv2.boundingRect(contour) 
    img_zero[y:y+h, x:x+w] = 255 
    mask = img_zero   

目的就是為了產生遮罩用的圖片，方便我們做 cv2.illuminationChange 這個函數的運算。

contours, hierarchy  = cv2.findContours(thresh.copy(),cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

尋找一個二值圖像的輪廓。注意黑色表示背景，白色表示物體，即在黑色背景里尋找白色物體的輪廓

參數：
image:8位單通道圖像。非零像素值視為1，所以圖像視作二值圖像

mode:輪廓檢索的方式
cv2.RETR_EXTERNAL:只檢索外部輪廓
cv2.RETR_LIST: 檢測所有輪廓且不建立層次結構
cv2.RETR_CCOMP: 檢測所有輪廓，建立兩級層次結構
cv2.RETR_TREE: 檢測所有輪廓，建立完整的層次結構

method:輪廓近似的方法
cv2.CHAIN_APPROX_NONE:存儲所有的輪廓點
cv2.CHAIN_APPROX_SIMPLE:壓縮水平，垂直和對角線段，只留下端點。 例如矩形輪廓可以用4個點編碼。
cv2.CHAIN_APPROX_TC89_L1,cv2.CHAIN_APPROX_TC89_KCOS:使用Teh-Chini chain近似算法
offset:（可選參數）輪廓點的偏移量，格式為tuple,如（-10，10）表示輪廓點沿X負方向偏移10個像素點，沿Y正方向偏移10個像素點

返回值
contours:輪廓點。列表格式，每一個元素為一個3維數組（其形狀為（n,1,2），其中n表示輪廓點個數，2表示像素點坐標）,表示一個輪廓
hierarchy:輪廓間的層次關系,為三維數組，形狀為（1,n,4），其中n表示輪廓總個數，4指的是用4個數表示各輪廓間的相互關系。第一個數表示同級輪廓的下一個輪廓編號，第二個數表示同級輪廓的上一個輪廓的編號，第三個數表示該輪廓下一級輪廓的編號，第四個數表示該輪廓的上一級輪廓的編號

https://www.wongwonggoods.com/all-posts/python/python_opencv/opencv-threshold/