#!/usr/bin/env python
# coding: utf-8

# In[4]:


get_ipython().run_line_magic('matplotlib', 'inline')

import numpy as np
from __future__ import division

import matplotlib.pyplot as plt
import seaborn as sns
plt.rcParams['axes.grid'] = False

import cv2

import logging
logger = logging.getLogger()


# 第二章 曲线越陡，对比度越强
# =============
# **编辑曲线就像是一种交易，提高某一区域的品质通常要其他区域付出代价。**
# 
# 曲线调整命令路径是：图像 > 调整 > 曲线。快捷键是 Command-M。    
# 
# 网格单元有 25% 和 10% 两种，可使用 Option 键单击网格进行切换。
# 
# 平常使用 25%，LAB 空间使用 10% 来精准调整。

# #### 2.1 左、右、上、下
# 默认 RGB 和 LAB 空间左黑右白，灰度和 CMYK 空间左白右黑。为了不让自己出错混淆，作者强烈建议统一上述四种空间的方向。     
# 作者建议使用左白右黑，这是印刷时代的标准。但我平常使用 Lightroom，为了一致，所以使用的是左黑右白的风格，和大多数数码软件匹配。

# #### 2.2 曲线形状
# 本文谈到油墨的数值时，总是指网点面积覆盖率，即印刷品某一微小的局部被油墨覆盖的百分比。
# 
# ###### 虚拟任务
# 将 $70^C$ 油墨调整到 $80^C$
# 
# 有四种方案，如下所示：

# In[5]:


f, axarr = plt.subplots(2, 2, figsize=(15,15))
axarr[0,0].imshow(plt.imread('./res/70_80/A.png'))
axarr[0,0].set_title('A')

axarr[0,1].imshow(plt.imread('./res/70_80/B.png'))
axarr[0,1].set_title('B')

axarr[1,0].imshow(plt.imread('./res/70_80/C.png'))
axarr[1,0].set_title('C')

axarr[1,1].imshow(plt.imread('./res/70_80/D.png'))
axarr[1,1].set_title('D')


# 区别：    
# 观察亮部，颜料的使用量 D < B < A = C。    
# 所以 A,C 较 B, D 更偏蓝。
# 
# 哪种方法更好呢？
# 
# 视情况而定，     
# 但基本原则：但尽可能精确，清晰，简单。

# ### 2.3 改变曲线的角度，就是改变对比度
# 曲线越陡，对比度越强。
# 
# 给感兴趣的主体分配最大对比度的曲线：将主体与次要部分分开。

# ### 2.4 只要能捉住老鼠

# ### 2.5 突出最重要的细节
# 修正下图的唯一方法就是让被撞的痕迹细节尽可能突显出来。

# In[6]:


f, axarr = plt.subplots(1, 2, figsize=(15,15))
axarr[0].imshow(plt.imread('./res/fig_2_7/A.png'))
axarr[0].set_title('A')

axarr[1].imshow(plt.imread('./res/fig_2_7/B.png'))
axarr[1].set_title('B')


# ### 2.6 哪里重要，哪里不重要
# 调整方法：     
# 用曲线强调令人感兴趣的区域     
# 小心：不要改变总体色调，尽量减小对背景的损害
# 
# 

# In[7]:


f, axarr = plt.subplots(1, 2, figsize=(15,15))
axarr[0].imshow(plt.imread('./res/fig_2_9/A.png'))
axarr[0].set_title('A')

axarr[1].imshow(plt.imread('./res/fig_2_9/B.png'))
axarr[1].set_title('B')


# ### 2.7 重新分配对比度
# 把强对比度从最亮和最暗区域转移到中间调
# 
# 亮度/对比度是将两端点向内收，抹掉了高光和暗部的细节。      
# 解决方法：     
# 1. 自动色阶：它会仔细测量高光和暗部的极值点，从而保证细节不会全部抹掉。    
# 2. "S"型曲线

# ### 2.8 问一个傻问题，得到一个傻答案
# 傻问题：什么方法能把大多数照片调整到较好品质？     
# 傻答案：首先自动色阶，然后”S“型曲线微调

# ### 2.9 高光与极高光
# 选择不够亮的颜色作为亮光会破坏亮调的层次感。
# 
# 亮光应该在画面的重要部分寻找。
# 
# 应该避免的方法：    
# 1. 使用主曲线。     
# 2. 使用「图像〉调整〉色阶」。

# In[8]:


f, axarr = plt.subplots(1, 2, figsize=(15,15))
axarr[0].imshow(plt.imread('./res/fig2_12/A.png'))
axarr[0].set_title('A')

axarr[1].imshow(plt.imread('./res/fig2_12/B.png'))
axarr[1].set_title('B')


# ### 2.10 亮调与暗调
# 描述图片整体的明暗特征：暗调，中间调，亮调
# 
# 「S」曲线丰富中间调，牺牲亮调和暗调细节

# ### 2.11 避免主曲线
# 图像主体是中性灰时可使用主曲线（RGB中成分一致），其他情况应该避免使用。
# 
# 尤其在CMYK模式下，关键的黑色通道总是与另外3个通道大相径庭，使用主曲线会带来灾难性的后果。

# In[9]:


f, axarr = plt.subplots(1, 2, figsize=(15,15))
axarr[0].imshow(plt.imread('./res/fig2_15/A.png'))
axarr[0].set_title('A')

axarr[1].imshow(plt.imread('./res/fig2_15/B.png'))
axarr[1].set_title('B')


# 画面主体是绿色和黄色，背景偏红
# 
# 思路：     
# 主体绿色较深沉，在绿色中间调，在红色和蓝色中较暗，    
# 主体黄色较明亮，在绿色和红色通道中较亮，在蓝色中较暗，     
# 所以强化绿色和红色通道的对比，而蓝色均在暗部，可压缩牺牲。
# 
# 作者为了突出背景中红色，压平了红色通道的亮光部分，我在处理中拉高了绿色部分，所以有点背景有点绿色的色偏。

# ### 2.12 要走多远
# 标准图层与命令图层
# 
# 保留原图和强对比图，控制不透明度来调整效果

# In[10]:


f, axarr = plt.subplots(1, 2, figsize=(15,15))
axarr[0].imshow(plt.imread('./res/fig2_18/A.png'))
axarr[0].set_title('A')

axarr[1].imshow(plt.imread('./res/fig2_18/B.png'))
axarr[1].set_title('B')


# ### 进入CMYK

# In[11]:


f, axarr = plt.subplots(1, 2, figsize=(15,15))
axarr[0].imshow(plt.imread('./res/fig2_18/A.png'))
axarr[0].set_title('A')

axarr[1].imshow(plt.imread('./res/fig2_19/B.png'))
axarr[1].set_title('B')


# 我不会调CMYK，感觉整体颜色不如RGB鲜艳。
# 
# CMYK因为有黑色通道，在其它通道可以使用更加陡峭的曲线。
# 
# 

# ### 2.14 RGB前的CMYK
# 但因为CMYK的色域不如RGB广，若最终输出是RGB，不建议转到CMYK调整：在转换中部分明亮色彩会失去。

# ### 2.15 自动色阶
# 调节白场和黑场来增加对比度。

# ### 回顾和练习
# 1. 折角对应于雨衣上的极高光。
# 
# 2. 命令图层可逆，标准图层直观。
# 
# 3. 不太清楚：可能是保留亮光和暗部的细节，或者是考虑到色彩混合的原因。