import cv2read as cread
import matplotlib.pyplot as plt
import numpy as np
def avg_stdabw(array): # berechnet die Standartabweichung des Bildes
avg = np.mean(array) # Durchschnittswert des Bildes bestimmen
std = 0
for y in range(0,array.shape[0]):
for x in range(0,array.shape[1]): # Standartabweichung bei jedem Pixel berechnen
std = std + ((array[y][x] - avg) ** 2) / (array.size -1) # quadratischer Fehler
std = np.sqrt(std) # da std mit ² berechnet wurde, benötigt man jetzt noch die Wurzel
return avg, std # gibt durchschnittswert und Standartabweichung zurück
def subimg(img): # Teilt das Graustufenbild in die einzelnen Graustufen auf
# mindestens 10 pixel differenz zwischen den werten,
# da die übergänge nicht exakt gerade sind
return npframe[:,0:110],npframe[:,120:260],npframe[:,280:410],npframe[:,420:560],npframe[0:460,570:640]
frame = cread.bildoeffnen("../Bilder/graustufen_korrigiert.png")
npframe = np.array(frame, dtype=np.uint8)
subimgs = [] # korrigiertes Graustufenbild einlesen und aufspalten
subimgs = subimg(npframe)
for img in subimgs: # Mittelwert und Standartabweichung des Bildes ausgeben
avg, std = avg_stdabw(img)
print(str(avg) + " & " + str(std))
def getimgmean(filename): # berechnet das durchschnittsbild
avg = np.zeros((480, 640), dtype=np.double) # zu beginn ein Schwarzes Bild
for i in range(1, 11): # alle 10 aufgenommenen Bilder mit gewichtung 1/10
# zu einem durchschnitts Bild zusammen addieren.
avg = avg + cread.bildoeffnen("../Bilder/" + filename + str(i) + ".png") / 10
return avg
import numpy as np
import dunkelbild as dk
import cv2read as cvread
import matplotlib.pyplot as plt
import cv2
darkimg = dk.getimgmean("dunkelbild_") # Dunkelbild durchschnitt
whiteimg = dk.getimgmean("weissbild_") # Weissbild durchschnitt
wimg_cmp = whiteimg - darkimg # Weissbild ohne thermisches Rauschen
whiteNorm = wimg_cmp / np.mean(wimg_cmp)# Weissbild Normiert
#-------Bild zur korrektur einlesen
img2 = np.array(cvread.bildoeffnen("../Bilder/graustufen.png")) # original Bild
img = (img2 - darkimg) # PixelOffset abziehen
for x in range(0,img.shape[1]):
for y in range(0,img.shape[0]):
if not whiteNorm[y][x] == 0: # keine Division durch 0 zulassen
# Pixelweise durch Weissbild teilen, Sensitivität anpassen
img[y][x] = img[y][x] / whiteNorm[y][x]
cv2.imwrite("../Bilder/graustufen_korrigiert.png", img) # korrigiertes Bild