潜在的な技術的問題を特定して画像を事前に分類する写真分析ソフトウェアはありますか？

私は最近休暇に行き、1,000枚近くの写真を撮りました。いつものように、良いもの、悪いもの、ぼやけたものなどがあります。

後処理を促進するために、写真のバッチを「事前選別」し、露出オーバー、露出アンダー、ぼやけ、およびその他の特徴を識別する可能性のある写真を特定できるソフトウェアがあるかどうか疑問に思いました望ましくない可能性のある写真。事前に選別することで、これらのグループをすばやく整理して適切なグループを見つけ、残りを削除するというアイデアです。それから、私は本当に重要なものを見ることにもっと時間を費やすことができます。

私はすべての写真がユニークであり、すべての経験則を破る素晴らしい写真があることを理解していますが、これは私のワークフローを高速化するための簡単な方法だと思いました。

Lightroomを使用して写真を並べ替えます。ライブラリモジュールで、フィルターを[フラグ付き]と[フラグなし]に設定し、写真を画面いっぱいにします。次に、右矢印キーまたは「x」キーを押すだけです。「X」は写真を「拒否」としてマークし、表示されなくなります。すぐに1000枚の写真を簡単に確認できます。すべての写真を確認したら、拒否された写真の削除を選択するだけで完了です。

Photoshop Elementsにはこれを行う自動分析機能があります-写真がぼやけているか、顔が写っているかなどを検出しようとします。素晴らしいとは言いません。たとえば、実際に写真の焦点が合っていないコンポーネントが必要な場合、自動化されたアルゴリズムはそれでもぼやけたものとしてマークします。

実際、Lightroomのようなものを使用してワークフロープロセスで1000枚の写真を手作業で処理するほど多くはないと思います。明らかに使用できないものとして拒否されたものとして最初のスキャンマーキングから開始し、適切と思われる評価、カラーペイント、タグを使用して絞り込みます。

私は実際に、少なくとも物を取り除くプロセスを開始するのに役立つ何かを探していました（何千ものブラケット画像）。

画像のディレクトリをスキャンし、露出オーバー/露出不足の画像を別のフォルダに移動する簡単なツールを作成しました。それは完璧ではなく、写真の芸術的な自由を決して許しません（しかし、それは私を時間の節約に役立ちます）。技術的には、各画像の平均ピクセル値（0〜1.0）を取得し、設定可能なしきい値に基づいて保持または拒否することができます。詳細については、AutoExposureCheckerプロジェクトとgithubのドキュメントをご覧ください。

このツールを使用すると、すべての画像が削除しても問題ないことを確認し（実際に必要な画像を削除して）、他のすべてを1回のパスで消去して、時間を大幅に節約できます。

とにかく、私は共有して幸せな撮影をするだろうと思った！

Pythonで記述できる場合、これは非常に簡単です。以下は、オープンソースのコンピュータビジョンパッケージを使用して全体的な画像のぼやけを検出するための優れた記事です。

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

画像をblured / okディレクトリに分類する簡単なスクリプトを次に示します。

#
# 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))

最も厄介な問題は、システムにpythonとopencvをインストールすることです。お使いのOS用のGoogle python3、およびそれを使用したpipのインストール方法は、pip3を使用してopencvをインストールできます。または、python + opencvのビルド前のインストールもいくつかあります。このスクリプトを実行するために、opencvの最新バージョンは必要ありません。

このスクリプトはうまく機能し、全体的な画像のぼやけを測定します。これはほとんどの写真に適しています。ただし、全体的な画像測定では、それらの1つの顔とボケで満たされた背景写真がぼやけたディレクトリに置かれ、それらを元に戻す必要があります。とにかく、ぼやけた写真に目を通し、見当違いのキーパーがそこにいないことを確認する必要があります。

このスクリプトがワークフローを高速化することを願っています。

このスクリプトの適切な改善点は、顔検出を含め、写真の最大の顔の不鮮明度を計算し、不鮮明度のしきい値にこれらの値を使用することです。その改善はあなたに任せます！

潜在的に欠陥のある写真を自動的にスクリーニングできるアプリケーションは知りませんが、少なくとも盲目的にではなく、それらを使用しません。

技術的なメリットは、写真の一部にすぎません。最も意味のある画像のいくつかには、技術的な欠陥があります。多くの場合、例えば、カルティエブレッソンが「決定的な瞬間」と呼んでいたものよりも構成が劣っていたり、それよりも少ない、より技術的に完全なものよりも好ましい。

また、編集中にいくつかの欠陥を修正または改善できます。フォーカスとブラーを修正することはほとんど不可能ですが（これは将来変更される可能性がありますが）、興味深いまたは許容できる効果を追加できます。たとえば、露出はその1つです。わずかに露出オーバーまたは露出アンダーの画像（特にRAWで撮影した場合）は、簡単に修正できるため、このプロパティのみで「完全に」露出した画像よりも優先されるべきではありません。

たとえば、この写真は、カメラの設定が間違っていたためにほぼ3EVの露出オーバーで撮影された1回限りのショットです。しかし、RAWファイルによって提供される自由度のおかげで、自動化されたプロセスはそれを破棄していましたが、回復することができました。

そこで、私は2番目に答えます。効率的にサポートされているワークフローは、自動化されたプロセスよりも優れていると言います。Lightroomでは、1、2時間で何千枚もの写真を管理できます。

DXO Photo labを確認してください。カメラとレンズのプロファイルに基づいて写真を自動的に修正できます。写真を参照してすばやく写真を評価し、評価した写真のみをエクスポートできます。