noqqe » blog | sammelsurium | photos | projects | about

Abandoned Tuples - Teil 3

2020-02-02 @ Fotos, Pillow, Python

Nach Teil 1 und Teil 2 wollte ich noch ein paar weitere Effekte basteln die man aus der Fotografie kennt.

Flatten

Eine Sache die viele gängige Filter benutzten ist so eine Art “flattening”. Was beim Fotografieren unter Dynamic Range eigentlich erstrebenswert ist, wird bei Instagram Filtern für viele Brauntöne wie Kaffee und Ähnlichem bewusst weggemischt.

Wie kann man hier vorgehen?

Im Zweifel nimmt man sich einfach wieder jeden Wert im RGB Tuple und wenn der Wert kleiner ist (dunkler) als zb. 50, setzt man in auf 50.

# alt
(48, 150, 30)
  < , > , <

# neu
(50, 150, 50)

So werden dunkle Stellen zu einem eher grauen Einheitsbrei und viele Details gehen verloren, was einen durchaus schönen Effekt haben kann. Vor allem bei Holz/Kaffee kann das oft gut aussehen.

def flatten(inf, outf, fn):
    x, y, pixels = get_image(inf)

    npixels = []
    for pixel in pixels:
        l = list(pixel)

        if l[0] < fn:
            l[0] = fn

        if l[1] < fn:
            l[1] = fn

        if l[2] < fn:
            l[2] = fn

        npixels.append(tuple(l))

    new_image(x, y, outf, npixels)

flatten("coffee.png", out, 50)

Das Ergebnis sieht eigentlich ganz gut aus. Dafür das ich dafür eigentlich (wie bei jedem anderen Effekt bisher) wiedermal nur ein paar Integer inkrementiert habe.

ISO

Ebenfalls viele Filter gibt es zum Thema “Analog”. Filme haben eine feste ISO. Oder Körnung mit anderen Worten. Wie könnte man das am Einfachsten herbei führen.

Körnung bedeutet ja im Endeffekt ein bisschen rauschen. Also Punkte die eigentlich sehr ähnlich bis gleich sind, unterscheiden sich auf der Aufnahme voneinander. So wirkt Himmel nicht mehr blau sondern eben mit einem rauschen darin.

Was ist Rauschen eigentlich? Farbverläufe entstehen durch die Anreihung möglichst gleichartiger Pixel nebeneinander. Will man diesen Verlauf aufbrechen kann man zum Beispiel einen random Wert auf jedes Pixel dazurechnen.

(48, 150, 30), (49, 151, 31)
 +10,+10,+10    +1, +1, +1

Wichtig ist, auf jeden der Ints von RGB die gleiche Random Zahl aufzuschlagen, damit die Ursprungsfarbe möglichst gleich bleibt. Ansonsten würde es ein “buntes Rauschen” werden. Und so aussehen:

Und das sieht einfach nicht schön aus.

def iso(inf, outf):
    x, y, pixels = get_image(inf)

    npixels = []
    for pixel in pixels:
        l = list(pixel)
        r = random.randint(0,90)
        l[0] = l[0] + r
        l[1] = l[1] + r
        l[2] = l[2] + r

        npixels.append(tuple(l))

    new_image(x, y, outf, npixels)

Fertig wäre ein Teil unseres Hipster Analog Filters…

Kontrast

Kontraste sind nicht ganz so einfach zu berechnen, da ich zu einem bestimmten Pixel wissen muss wie ich die Farbe “intensiviere”. Kontrast erhöhen bedeutet ja im Endeffekt das die Farbe des Pixels kräftiger wird.

Dazu habe ich mir die Formel eines schlauen Menschen geklaut.

Das heisst jeder RGB Wert eines Pixels wird mit einem Faktor multipliziert und verändert. Die Verarbeitung läuft in 2 Schritten. Faktor berechnen und Faktor auf normalisierten Wert anwenden.

# Kontrast +90
[103, 148, 205]
[76, 169, 287]

# Beispiel für Blau
((103 - 128) * 2.073) + 128 = 76

In diesem Fall wird das Blau einfach etwas “leuchtender”

Das habe ich nun in meine Funktion eingebaut

def contrast(inf, outf, contrast=90):
    x, y, pixels = get_image(inf)

    factor = (259 * (contrast + 255)) / (255 * (259 - contrast))

    npixels = []
    for pixel in pixels:
        l = list(pixel)

        l[0] = int(factor * (l[0] - 128) + 128)
        l[1] = int(factor * (l[1] - 128) + 128)
        l[2] = int(factor * (l[2] - 128) + 128)

        npixels.append(tuple(l))

    new_image(x, y, outf, npixels)

contrast("treppen.png", "inccontrast.png", 60)
contrast("treppen.png", "redcontrast.png", -60)

Angewendet sieht das ganze dann so aus:

Fazit

Das schöne ist, das ich wirklich immer nur jedes einzelne Pixel betrachtet habe und Modifikationen an eben diesem mache. Ich habe nie berücksichtigt wo es liegt im Bild, welche Nachbarn es unter Umständen hat. Welche Farbe es ungefähr sein könnte oder Ähnliches. Das alles ist völlig egal wenn man den RGB Farbwert hernimmt und diesen nach einem bestimmten Muster verändert.

Nachdem ich jetzt ungefähr alles an Grundwerkzeug habe, kann ich anfangen an meinem eigenen Instagram Filter zu bauen. Im nächsten Teil. Hatte ich eigentlich schon erwähnt das ich Instagram garnicht nutze? :P