Существует ли программное обеспечение для анализа фотографий, которое будет предварительно сортировать изображения, выявляя потенциальные технические проблемы?

Недавно я ушел в отпуск и сделал около 1000 фотографий. Как обычно, есть хорошие, плохие, размытые и т. Д.

Чтобы ускорить постобработку, мне было интересно, есть ли какое-либо программное обеспечение, которое может «предварительно просматривать» серию фотографий и идентифицировать фотографии, которые подвергаются чрезмерной экспозиции, недостаточно экспонированы, размыты и другие характеристики, которые могут идентифицировать потенциально менее желательные фотографии. Идея состоит в том, что, предварительно просматривая, это должно сделать быструю работу по сортировке этих групп, чтобы найти хорошие и удалить остальные. Тогда я могу проводить больше времени, глядя на те, которые действительно имеют значение.

Я понимаю, что каждая фотография уникальна, и есть несколько замечательных фотографий, которые нарушают все эмпирические правила, но я подумал, что это может быть быстрым способом ускорить мой рабочий процесс.

Я использую Lightroom для сортировки фотографий. В модуле «Библиотека» я установил фильтр «Помечено» и «Не помечен», а затем сделал фотографию на экране. Тогда я просто начинаю нажимать правую клавишу со стрелкой или клавишу «х». «X» помечает фотографию как «отклоненную» и делает ее больше невидимой. Легко пролистать 1000 фотографий в кратчайшие сроки. После того, как я просмотрел все фотографии, я просто решил удалить отклоненные фотографии, и все готово.

Photoshop Elements имеет функцию автоанализа, которая выполняет некоторые из этих функций - она ​​пытается определить, размыты ли фотографии, есть ли на них лица и т. Д. Я бы не сказал, что это великолепно. Например, вы, возможно, захотите, чтобы на вашей фотографии были не сфокусированные компоненты, и автоматический алгоритм все равно пометит ее как размытый.

Я не думаю, что 1000 фотографий на самом деле так много, чтобы вручную проходить через рабочий процесс, используя что-то вроде Lightroom. Начните с начального сканирования, помеченного как отклоненные, которые явно непригодны для использования, а затем уточните их, используя оценки, цветовую маркировку и теги, как вы считаете нужным.

Я на самом деле искал что-то, что помогло бы мне, по крайней мере, начать процесс отсеивания вещей (тысячи изображений в скобках).

Я сделал простой инструмент для сканирования каталога изображений и перемещения поверх / недодержанных изображений в другую папку. Она не идеальна и ни в коем случае не дает художественных свобод фотографии (но это помогает мне сэкономить время). Технически он получает среднее значение пикселей каждого изображения (от 0 до 1,0), а затем вы можете оставить или отклонить его в зависимости от заданных пороговых значений. Проверьте проект AutoExposureChecker и документы на github для получения дополнительной информации.

С помощью этого инструмента я могу просто дважды проверить, что все изображения можно удалить (удаляя те, которые действительно нужны), и стереть все остальное за один первый проход, что сэкономит мне массу времени.

В любом случае, думал, что я поделюсь и счастливой съемки!

Это довольно легко сделать, если вы можете писать на Python. Вот хорошая статья об использовании пакета компьютерного зрения с открытым исходным кодом для определения общей размытости изображения:

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

Вот быстрый скрипт, который будет сортировать изображения в размытые каталоги / каталоги:

#
# 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))

Ваша самая сложная задача - установить Python и opencv в вашу систему. Google python3 для вашей ОС, и как установить pip вместе с ним, вы можете использовать pip3 для установки opencv. Или есть несколько предварительных сборок python + opencv. Вам не нужна новейшая версия opencv, чтобы запустить этот скрипт.

Сценарий прекрасно работает, и он измеряет общую размытость изображения. Это хорошо для большинства фотографий. Тем не менее, общее измерение изображения означает, что эти фоновые фотографии с одним лицом и боке будут помещены в размытый каталог, и вам придется отсортировать их обратно. В любом случае, вы должны пройтись по размытым фотографиям, чтобы убедиться, что там нет неуместных хранителей.

Я надеюсь, что этот скрипт ускоряет ваш рабочий процесс.

Оптимальное улучшение в этом сценарии - включить обнаружение лиц, вычислить размытость на самых больших лицах на фотографии и использовать эти значения для порога размытости, по умолчанию применяя общую размытость, если лица не обнаружены. Я оставлю это улучшение на ваше усмотрение!

Я не знаю приложений, которые могут автоматически отображать для вас потенциально некорректные изображения, но я бы не стал их использовать, по крайней мере, не вслепую.

Техническая заслуга - это только часть фотографии. Некоторые из наиболее значимых изображений оказываются технически ошибочными. Во многих случаях предпочтительнее более технически совершенного, который, например, имеет худший состав или меньше того, что Картье Брессон назвал «решающим моментом».

Кроме того, некоторые недостатки могут быть исправлены или улучшены при редактировании. Хотя фокус и размытие практически невозможно исправить (хотя это может измениться в будущем ), это может добавить интересный или приемлемый эффект. Воздействие, например, является одним из таких. Немного переэкспонированное или недоэкспонированное изображение (особенно если оно снято в формате RAW) не следует отдавать предпочтению «идеально» экспонированному только на этом свойстве, поскольку его легко исправить.

Например, этот снимок был разовым снимком, который получился почти 3EV переэкспонированным, потому что у камеры были неправильные настройки. Тем не менее, благодаря широте, предоставленной RAW-файлами, его можно было восстановить, тогда как автоматизированный процесс отбросил бы его.

Итак, я отвечаю перед моим ответом, говоря, что эффективно поддерживаемый рабочий процесс лучше автоматизированного. Тысячи картин вполне доступны в Lightroom в течение часа или двух.

Проверьте DXO Photo lab. Он может автоматически корректировать фотографии на основе профиля камеры и объектива. Вы можете быстро оценить фотографии, просматривая их и экспортируя только те фотографии, которые вы оценили.