# 画像の読み込み

input_image_path = "input_image.jpg"

image = Image.open(input_image_path)

# 1. ヒストグラム均等化

equalized_image = ImageOps.equalize(image)

equalized_image.save("equalized_image.jpg")

# 2. コントラスト調整

contrast_factor = 1.5  # コントラスト調整の係数（調整してください）

enhancer = ImageEnhance.Contrast(image)

contrast_adjusted_image = enhancer.enhance(contrast_factor)

contrast_adjusted_image.save("contrast_adjusted_image.jpg")

# 3. カーブ調整（例として赤チャンネルのみ）

r, g, b = image.split()

r_curve = r.point(lambda x: x * 1.5)  # カーブを調整（調整してください）

adjusted_image = Image.merge("RGB", (r_curve, g, b))

adjusted_image.save("adjusted_image.jpg")

# 4. 局所的な調整（例としてアンシャープマスク）

sharpened_image = image.filter(ImageFilter.UnsharpMask(radius=2, percent=150))  # 調整可能

sharpened_image.save("sharpened_image.jpg")

# 5. フィルタの使用（例としてシャープネスフィルタ）

sharpen_filter = ImageFilter.SHARPEN

sharpened_image_2 = image.filter(sharpen_filter)

sharpened_image_2.save("sharpened_image_2.jpg")

import numpy as np

# 画像の読み込み

image1 = cv2.imread("image1.jpg", 0)

image2 = cv2.imread("image2.jpg", 0)

# 窓関数の適用

window = np.hamming(image1.shape[0])[:, np.newaxis] @ np.hamming(image1.shape[1])[np.newaxis, :]

image1_windowed = window * image1

image2_windowed = window * image2

# フーリエ変換

fft1 = np.fft.fftshift(np.fft.fft2(image1_windowed))

fft2 = np.fft.fftshift(np.fft.fft2(image2_windowed))

# 対数極座標変換

magnitude1, angle1 = cv2.cartToPolar(np.real(fft1), np.imag(fft1))

magnitude2, angle2 = cv2.cartToPolar(np.real(fft2), np.imag(fft2))

# 位相限定相関法

correlation = np.fft.ifft2(np.fft.fft2(magnitude1) * np.fft.fft2(magnitude2).conj())

correlation = np.real(np.fft.fftshift(correlation))

# スペクトルの重みづけ

y, x = np.unravel_index(correlation.argmax(), correlation.shape)

weight = correlation[y, x] / (magnitude1.shape[0] * magnitude1.shape[1])

weight_map = np.abs(fft1) * weight

# 相関ピークモデルのフィッティング

model = np.array([[1, 0, x - magnitude1.shape[1] // 2],

                  [0, 1, y - magnitude1.shape[0] // 2]])

model, _ = cv2.estimateAffine2D(model, np.array([[0, 0], [x, y], [0, magnitude1.shape[0]]]))

# アフィン変換による平行移動

image1_aligned = cv2.warpAffine(image1, model, (image1.shape[1], image1.shape[0]))

# 平行移動した画像を保存

cv2.imwrite("image1_aligned.jpg", image1_aligned)

import numpy as np

from matplotlib import pyplot as plt

# 画像読み込み

img1 = cv2.imread('image1.jpg', 0)

img2 = cv2.imread('image2.jpg', 0)

# BLPOCの計算

result = cv2.phaseCorrelate(img1, img2)

# 移動量を取得

x_offset = result[0][0]

y_offset = result[0][1]

# img2を移動

rows,cols = img2.shape

M = np.float32([[1,0,x_offset],[0,1,y_offset]])

img2 = cv2.warpAffine(img2,M,(cols,rows))

# 2つの画像を重ねて表示

result_img = cv2.addWeighted(img1, 0.5, img2, 0.5, 0)

# 画像を表示

fig = plt.figure(figsize=(16, 8))

ax1 = fig.add_subplot(131)

ax2 = fig.add_subplot(132)

ax3 = fig.add_subplot(133)

ax1.set_title('Image1')

ax1.imshow(img1, cmap='gray')

ax2.set_title('Image2')

ax2.imshow(img2, cmap='gray')

ax3.set_title('Merged Image')

ax3.imshow(result_img, cmap='gray')

plt.show()

import cv2

from PIL import Image

# 画像1の読み込み

img1 = Image.open("img1.jpg")

# グレースケール化

f1 = np.asarray(img1)

f1 = np.dot(f1[...,:3], [0.2989, 0.5870, 0.1140])

# 2次元FFT

F1 = np.fft.fft2(f1)

# 周波数領域の複素共役をとって正規化

R1 = F1 / np.abs(F1)

# 逆2次元FFT

POC1 = np.real(np.fft.ifft2(R1))

# 画像2の読み込み

img2 = Image.open("img2.jpg")

# グレースケール化

f2 = np.asarray(img2)

f2 = np.dot(f2[...,:3], [0.2989, 0.5870, 0.1140])

# 2次元FFT

F2 = np.fft.fft2(f2)

# 周波数領域の複素共役をとって正規化

R2 = F2 / np.abs(F2)

# 逆2次元FFT

POC2 = np.real(np.fft.ifft2(R2))

# 中央100ピクセル×100ピクセルの移送情報を削除

h, w = POC1.shape

POC1[h//2-50:h//2+50, w//2-50:w//2+50] = POC2[h//2-50:h//2+50, w//2-50:w//2+50]

# 画像1を保存

img_ripoc = Image.fromarray(np.uint8(POC1))

img_ripoc.save("img_ripoc.jpg")

# フーリエ変換

F_ripoc = np.fft.fft2(POC1)

# 位置合わせでの移動量を取得

x, y = cv2.phaseCorrelate(f1.astype(np.float32), POC1.astype(np.float32))

# 最初に読み込んだ画像に移動量を足して位置合わせ

img1_ripoc = np.roll(img1, (int(round(y)), int(round(x))), axis=(0,1))

# 画像を保存

Image.fromarray(np.uint8(img1_ripoc)).save("img1_ripoc.jpg")

import numpy as np

# 2枚の画像を読み込む

img1 = cv2.imread('image1.png',0)

img2 = cv2.imread('image2.png',0)

# フーリエ変換する

f1 = np.fft.fft2(img1)

f1shift = np.fft.fftshift(f1)

f2 = np.fft.fft2(img2)

f2shift = np.fft.fftshift(f2)

# 正規化する

magnitude_spectrum1 = 20*np.log(np.abs(f1shift))

magnitude_spectrum2 = 20*np.log(np.abs(f2shift))

min1 = np.min(magnitude_spectrum1)

max1 = np.max(magnitude_spectrum1)

min2 = np.min(magnitude_spectrum2)

max2 = np.max(magnitude_spectrum2)

magnitude_spectrum1 = (magnitude_spectrum1-min1)/(max1-min1)

magnitude_spectrum2 = (magnitude_spectrum2-min2)/(max2-min2)

# 逆フーリエ変換して位相限定画像を作成する

phase_limit1 = np.real(np.fft.ifft2(np.exp(1j * np.angle(f1))))

phase_limit2 = np.real(np.fft.ifft2(np.exp(1j * np.angle(f2))))

# 画像を保存する

cv2.imwrite('phase_limit1.png', phase_limit1)

cv2.imwrite('phase_limit2.png', phase_limit2)

# 位相限定画像の中央から100×100ピクセルの位相を消す

row, col = img1.shape

crow, ccol = row//2 , col//2

phase_limit1[crow-50:crow+50, :] = 0

row, col = img2.shape

crow, ccol = row//2 , col//2

phase_limit2[crow-50:crow+50, :] = 0

# 画像を保存する

cv2.imwrite('phase_limit1_modified.png', phase_limit1)

cv2.imwrite('phase_limit2_modified.png', phase_limit2)

# フーリエ変換する

f1 = np.fft.fft2(phase_limit1)

f1shift = np.fft.fftshift(f1)

f2 = np.fft.fft2(phase_limit2)

f2shift = np.fft.fftshift(f2)

# RIPOCで位置合わせをする

R, mask = cv2.estimateRigidTransform(f1shift, f2shift, False)

# RIPOCの返り値を最初に読み込んだ画像に適用する

rows,cols = img1.shape

img2_transformed = cv2.warpAffine(img2, R, (cols,rows))

# 画像を保存する

cv2.imwrite('img2_transformed.png',img2_transformed)