PS 阴影/高光中阴影提亮效果之 Python 实现

“阴影/高光”命令是一种用于校正由强逆光而形成剪影的照片，或者校正由于太接近相机闪光灯而有些发白的焦点的方法。在用其他方式采光的图像中，这种调整也可用于使阴影区域变亮。“阴影/高光”命令不是简单地使图像变亮或变暗，它基于阴影或高光中的周围像素（局部相邻像素）增亮或变暗。正因为如此，阴影和高光都有各自的控制选项。默认值设置为修复具有逆光问题的图像，来自 Adobe 官网。

阴影：
主要用于提亮阴影区域，对非阴影区几乎不产生效果
数量：用于控制阴影区要校正的程度，值越大，阴影区域被提的越亮
色调：控制被提亮的阴影区域的范围，较小的值会限制只对较暗的区域进行提亮，值越大，影响的阴影范围越宽
半径：控制每个像素周围的局部相邻像素的大小

高光：
主要用于压暗高光区域，对非高光区几乎不产生效果
数量：用于控制高光区要校正的程度，值越大，高光区域被压的越暗
色调：控制被压暗的高光区域的范围，较小的值会限制只对较亮的区域进行压暗，值越大，影响的高光范围越宽
半径：控制每个像素周围的局部相邻像素的大小

调整：
颜色：正值增加阴影区被提亮像素和高光区被压暗像素的饱和度，负值为减小饱和度
中间调：用来调整中间调的对比度，负值降低对比度，正值增加对比度
修剪黑色：设定将图像中多少比例的阴影变成纯黑
修剪白色：设定将图像中多少比例的高光变成纯白

Python 实现阴影区抠取及阴影区提亮

1、提取阴影区域

自动提前阴影区域，具体方式见我的另一一篇博客《Python 用 OpenCV 实现 PS 高光/阴影选区》

阴影区域提取：
先将原图转成灰度图，然后对灰度图做反相后做为两个输入源做正交叠底，对结果做阈值限制后输出

luminance = (1 - luminance) * (1 - luminance)
luminance = np.where(luminance > shadowThreshold, luminance, 0)

然后对阴影区提亮，并对非阴影去做过渡，否则会有明显边界。
提亮使用的非线性亮度调整，公式为伽马矫正公式，见《PS 色阶调整之算法公式原理详解及 Python 实现》中的中间调调整。

2、阴影区域提亮及完整代码

依赖的环境：Python3 numpy OpenCV

# -*- coding: utf-8 -*-
# @Time    : 2021-04-26 19:45
# @Author  : AlanWang4523
# @FileName: ps_shadow_highlight.pyimport os
import sys
import cv2
import numpy as npclass PSShadowHighlight:"""色阶调整"""def __init__(self, image):self.shadows_light = 50img = image.astype(np.float)/255.0srcR = img[:, :, 2]srcG = img[:, :, 1]srcB = img[:, :, 0]srcGray = 0.299 * srcR + 0.587 * srcG + 0.114 * srcB# 高光选区# luminance = luminance * luminance# luminance = np.where(luminance > 0.64, luminance, 0)# 阴影选区luminance = (1 - srcGray) * (1 - srcGray)self.maskThreshold = np.mean(luminance)mask = luminance > self.maskThresholdimgRow=np.size(img, 0)imgCol=np.size(img, 1)print("imgRow:%d, imgCol:%d, maskThreshold:%f" % (imgRow, imgCol, self.maskThreshold))print("shape:", img.shape)self.rgbMask = np.zeros([imgRow, imgCol, 3], dtype = bool)self.rgbMask[:, :, 0] = self.rgbMask[:, :, 1] = self.rgbMask[:, :, 2] = maskself.rgbLuminance = np.zeros([imgRow, imgCol, 3], dtype = float)self.rgbLuminance[:, :, 0] = self.rgbLuminance[:, :, 1] = self.rgbLuminance[:, :, 2] = luminanceself.midtonesRate = np.zeros([imgRow, imgCol, 3], dtype = float)self.brightnessRate = np.zeros([imgRow, imgCol, 3], dtype = float)def adjust_image(self, img):maxRate = 4brightness = (self.shadows_light / 100.0 - 0.0001) / maxRatemidtones = 1 + maxRate * brightnessself.midtonesRate[self.rgbMask] = midtonesself.midtonesRate[~self.rgbMask] = (midtones - 1.0) / self.maskThreshold * self.rgbLuminance[~self.rgbMask] + 1.0self.brightnessRate[self.rgbMask] = brightnessself.brightnessRate[~self.rgbMask] = (1 / self.maskThreshold * self.rgbLuminance[~self.rgbMask]) * brightnessoutImg = 255 * np.power(img / 255.0, 1.0 / self.midtonesRate) * (1.0 / (1 - self.brightnessRate))img = outImgimg[img < 0] = 0img[img > 255] = 255img = img.astype(np.uint8)return imgdef ps_shadow_highlight_adjust_and_save_img(psSH, origin_image):psSH.shadows_light = 50image = psSH.adjust_image(origin_image)cv2.imwrite('py_sh_out_01.png', image)def ps_shadow_highlight_adjust(path):"""阴影提亮调整"""origin_image = cv2.imread(path)psSH = PSShadowHighlight(origin_image)# ps_shadow_highlight_adjust_and_save_img(psSH, origin_image)def update_shadows_light(x):psSH.shadows_light = x# 创建图片显示窗口title = "ShadowHighlight"cv2.namedWindow(title, cv2.WINDOW_NORMAL)   cv2.resizeWindow(title, 800, 600)cv2.moveWindow(title, 0, 0)# 创建阴影提亮操作窗口option_title = "Option"cv2.namedWindow(option_title, cv2.WINDOW_NORMAL)   cv2.resizeWindow(option_title, 400, 20)cv2.moveWindow(option_title, 0, 630)cv2.createTrackbar('shadows_light', option_title, psSH.shadows_light, 100, update_shadows_light)while True:image = psSH.adjust_image(origin_image)cv2.imshow(title, image)if cv2.waitKey(1) == ord('q'):breakcv2.destroyAllWindows()        if __name__ == '__main__':'''运行环境：Python 3执行：python3 ps_shadow_hightlight.py <图片路径>如：python3 ps_shadow_hightlight.py test.jpg'''if len(sys.argv) == 1:print("参数错误：未传入图片路径！")sys.exit(-1)img_path = sys.argv[1]print("img_path Params:", img_path)ps_shadow_highlight_adjust(img_path)

3、最终效果

默认效果（程度 50%）与 PS 中阴影的默认效果对比：
下图为与 PS 默认效果对比，左边为 PS 默认效果（数量 30，色调 50%，半径 30，饱和度 +20），右边为上面的 python 实现的默认 50% 程度的效果，基本差不多。

其他逆光图片的效果图：
以下是 Python 实现的在其他图片效果，左边是原图，右边是处理后的图，默认参数都是 50%，阴影阈值使用的正交叠底后的均值（每张图自动计算，不需人为修改）：