잠재적 인 기술적 문제를 식별하여 이미지를 사전 정렬하는 사진 분석 소프트웨어가 있습니까?

나는 최근 휴가를 갔으며 1,000 장의 사진을 찍었습니다. 평소와 같이 좋은 것, 나쁜 것, 흐릿한 것 등이 있습니다.

사후 처리를 촉진하기 위해 사진 배치를 "사전 검사"하고 노출 과다, 노출 부족, 흐릿함 ​​및 기타 식별 가능한 사진을 식별 할 수있는 소프트웨어가 있는지 궁금합니다. 잠재적으로 덜 바람직 사진. 아이디어는 사전 심사를 통해 해당 그룹을 신속하게 분류하여 좋은 그룹을 찾고 나머지 그룹을 삭제해야한다는 것입니다. 그런 다음 정말 중요한 것을 보면서 더 많은 시간을 할애 할 수 있습니다.

나는 모든 사진이 독특하고 모든 규칙을 어기는 훌륭한 사진이 있다는 것을 알고 있지만 이것이 작업 속도를 빠르게하는 빠른 방법이라고 생각했습니다.

Lightroom을 사용하여 사진을 정렬합니다. 라이브러리 모듈에서 필터를 플래그 지정 및 플래그 해제로 설정 한 다음 사진을 화면에 채 웁니다. 그런 다음 오른쪽 화살표 키나 "x"키를 누르기 시작합니다. "X"는 사진을 "거부 됨"으로 표시하고 더 이상 보이지 않습니다. 1000 장의 사진을 신속하게 분사 할 수 있습니다. 모든 사진을 다 살펴본 후 거부 된 사진 삭제를 선택하면 완료됩니다.

Photoshop Elements에는 이러한 기능 중 일부를 수행하는 자동 분석 기능이 있습니다. 사진이 흐리게 보이는지, 얼굴에 얼굴이 있는지 등을 감지하려고 시도합니다. 훌륭하다고는 말할 수 없습니다. 예를 들어 실제로 사진에서 초점이 맞지 않는 구성 요소를 원할 수 있으며 자동화 된 알고리즘은 여전히 ​​흐리게 표시됩니다.

1000 장의 사진이 실제로 Lightroom과 같은 것을 사용하여 워크 플로우 프로세스에서 수동으로 진행해야한다고 생각하지 않습니다. 초기 스캔 마킹에서 사용이 불가능한 것을 거부 한 것으로 시작한 다음 등급, 컬러 페인팅 및 태그를 사용하여 세분화하십시오.

나는 실제로 물건을 제거하는 과정을 시작하는 데 도움이되는 무언가를 찾고있었습니다 (수천 개의 브라켓 이미지).

이미지 디렉토리를 스캔하고 노출 부족 / 노출 부족 이미지를 다른 폴더로 이동하는 간단한 도구를 만들었습니다. 완벽하지는 않으며 사진의 예술적 자유를 허용하지는 않지만 시간을 절약하는 데 도움이됩니다. 기술적으로하는 것은 각 이미지의 평균 픽셀 값 (0-1.0)을 얻은 다음 설정할 수있는 임계 값에 따라 유지하거나 거부 할 수 있습니다. 자세한 내용 은 github 에서 AutoExposureChecker 프로젝트 및 문서를 확인하십시오 .

이 도구를 사용하면 모든 이미지가 삭제되고 (실제로 원하는 이미지를 제거함) 첫 번째 패스에서 다른 모든 항목을 지워서 시간을 절약 할 수 있다는 것을 다시 확인할 수 있습니다.

어쨌든, 내가 공유하고 행복한 촬영을 생각!

파이썬으로 작성할 수 있다면 매우 쉽습니다. 다음은 오픈 소스 컴퓨터 비전 패키지를 사용하여 전반적인 사진의 흐릿함을 감지하는 좋은 기사입니다.

https://www.pyimagesearch.com/2015/09/07/blur-detection-with-opencv/

다음은 사진을 희미하거나 디렉토리로 분류하는 빠른 스크립트입니다.

#
# Sorts pictures in current directory into two subdirs, blurred and ok
#

import os
import shutil
import cv2

FOCUS_THRESHOLD = 80
BLURRED_DIR = 'blurred'
OK_DIR = 'ok'

blur_count = 0
files = [f for f in os.listdir('.') if f.endswith('.jpg')]

try:
   os.makedirs(BLURRED_DIR)
   os.makedirs(OK_DIR)
except:
   pass

for infile in files:

   print('Processing file %s ...' % (infile))
   cv_image = cv2.imread(infile)

   # Covert to grayscale
   gray = cv2.cvtColor(cv_image, cv2.COLOR_BGR2GRAY)

   # Compute the Laplacian of the image and then the focus
   #     measure is simply the variance of the Laplacian
   variance_of_laplacian = cv2.Laplacian(gray, cv2.CV_64F).var()

   # If below threshold, it's blurry
   if variance_of_laplacian < FOCUS_THRESHOLD:
      shutil.move(infile, BLURRED_DIR)
      blur_count += 1
   else:
      shutil.move(infile, OK_DIR)

print('Done.  Processed %d files into %d blurred, and %d ok.' % (len(files), blur_count, len(files)-blur_count))

가장 까다로운 문제는 파이썬과 opencv를 시스템에 설치하는 것입니다. OS 용 Google python3 및 pip를 설치하는 방법은 pip3을 사용하여 opencv를 설치할 수 있습니다. 또는 python + opencv 사전 빌드 설치도 있습니다. 이 스크립트를 실행하기 위해 최신 버전의 opencv가 필요하지 않습니다.

스크립트는 훌륭하게 작동하며 전체적인 이미지 흐림을 측정합니다. 대부분의 사진에 좋습니다. 그러나 전체 사진 측정은 한면과 보케가 채워진 배경 사진이 흐릿한 디렉터리에 저장되고 다시 정렬해야 함을 의미합니다. 어쨌든, 당신은 거기에 잘못 배치 된 키퍼가 없는지 확인하기 위해 흐린 그림을 통과해야합니다.

이 스크립트가 작업 속도를 높이기를 바랍니다.

이 스크립트의 깔끔한 개선점은 얼굴 감지 기능을 포함시키고 사진에서 가장 큰 얼굴의 흐릿함을 계산하고 흐릿한 임계 값에 해당 값을 사용하여 얼굴이 감지되지 않으면 전체적인 흐려짐을 기본값으로 사용하는 것입니다. 나는 그 개선을 당신에게 맡길 것입니다!

잠재적으로 결함이있는 사진을 자동으로 검색 할 수있는 응용 프로그램을 모르지만 적어도 맹목적으로는 사용하지 않을 것입니다.

기술적 인 장점은 사진의 일부일뿐입니다. 가장 의미있는 이미지 중 일부는 기술적으로 결함이 있습니다. 많은 경우에, 예를 들어 까르띠에 브레 손 (Cartier Bresson)이 "결정적인 순간"이라고 불렀던 구성의 구성이 불량하거나 그보다 적은 기술적으로 완벽한 것을 선호합니다.

또한 일부 결함은 편집시 수정되거나 향상 될 수 있습니다. 초점 흐림 (이 있지만 거의 불가능 해결하려면 있지만 변경할 수 있습니다 에서 미래 ), 그것은 흥미 롭거나 허용되는 효과를 추가 할 수 있습니다. 예를 들어 노출은 그 중 하나입니다. 노출이 약간 초과되거나 노출이 부족한 이미지 (특히 RAW로 촬영 한 경우)는이 속성만으로 "완벽하게"노출 된 이미지보다 선호해서는 안됩니다. 쉽게 고칠 수 있기 때문입니다.

예를 들어, 이 사진은 카메라 설정이 잘못되어 거의 3EV 과다 노출 된 일회성 사진 입니다. 그러나 RAW 파일이 제공하는 위도 덕분에 파일을 복구 할 수는 있지만 자동화 된 프로세스는이를 폐기 할 수 있습니다.

그래서, 나는 두 번째로 대답하기 전에, 효율적으로 지원되는 워크 플로가 자동화 된 프로세스보다 낫다고 말합니다. 1 ~ 2 시간 내에 수천 장의 사진을 Lightroom에서 관리 할 수 ​​있습니다.

DXO Photo lab을 확인하십시오. 카메라 및 렌즈 프로파일에 따라 사진을 자동으로 보정 할 수 있습니다. 사진을 탐색하여 빠르게 평가하고 평가 한 사진 만 내보낼 수 있습니다.