LUT（look up table）调色的原理与代码实现

LUT用来调色挺好玩的。本质就是通过一个表，把一个颜色映射为另一个颜色。

原理说明

某天看见GPUImage库里面有下面这样的一张图，很好奇有什么用，结果发现就是传说中的LUT（图片是其中一种表达方式，还可以是文本或其他），对此图进行调色之后，再套用到目标图片中，就可以获得一模一样的调色结果。

原始的LUT图

那么这个图怎么看？

首先看一共有8x8=64个方块，从左上角的第0个开始一行行数过去，数到右下角的第63，代表了蓝色B的取值范围是[0, 63]。于是问题来了，平时见到的取值范围都是[0, 255]的，而这个图里只有[0, 63]，精度变低了。猜测是为了减少占用空间，64x64x64x3比256x256x256x3小得太多了。那么先不管，那就假设蓝色B的取值范围从[0, 255]降低到[0, 63]。

根据蓝色值找出对应小方块

OK，如果我有一个颜色C1（B：30，G：31，R：32），那么根据B的值，我找到了第30个小方块，如下图。这个小方块的以左上角为原点，R值为横轴，G值为纵轴，取值范围也是[0, 63]。这时，我们再根据颜色C1的G和R值作为坐标点，找到一个点，这个点的颜色C2就是我们得到的映射结果。

特别注意！仅坐标的取值范围是[0, 63]，输出的颜色还是[0, 255] !!

根据红绿值找出对应的新颜色

简单的说，就是将输入颜色作为一个三维坐标系的一个点，然后得到这个点的新颜色作为输出。

那么下面就用代码实现这个过程（python+opencv）

声明一个类MYLUT。为了能直接使用[0, 255]的取值范围，特意将64放大到256（实际上还是不精确的）。最终生成一个shape为（256，256，256，3）的数组作为LUT。

class MYLUT:
    def __init__(self, lutpath='lut/lookup_my.png'):
        lut = cv2.imread(lutpath)
        cube64rows = 8 
        cube64size = 64
        # cube256rows = 16
        cube256size = 256
        cubescale = cube256size / cube64size # 4
        reshapelut = np.zeros((cube256size, cube256size, cube256size, 3))
        for i in range(cube64size):
            cx = (i % cube64rows) * cube64size
            cy = (i / cube64rows) * cube64size
            cube64 = lut[cy:cy + cube64size, cx:cx + cube64size]
            _rows, _cols, _ = cube64.shape
            if _rows == 0 or _cols == 0:
                continue
            cube256 = cv2.resize(cube64, (cube256size, cube256size))
            i = i * cubescale
            for k in range(cubescale):
                reshapelut[i + k] = cube256
        self.lut = reshapelut

    def imageInLut(self, src):
        arr = src.copy()
        bs = arr[:, :, 0]
        gs = arr[:, :, 1]
        rs = arr[:, :, 2]
        arr[:, :] = self.lut[bs, gs, rs] # numpy写的越骚，运行速度越快
        return arr
        # 下面的朴素的遍历方式就很慢。
        # img = src.reshape(-1, 3)
        # for iy in range(img.shape[0]):
        #     b,g,r = img[iy]
        #     img[iy] = self.lut[b, g, r]
        # return img.reshape(src.shape)

上述代码中的查找颜色替换arr[:, :] = self.lut[bs, gs, rs]是提速的关键！在python中用for循环遍历就是慢。

注意测试的时候使用原始LUT图，得到一样的结果图片，则是正确的。

if __name__ == "__main__":
    img = cv2.imread('test.jpg')
    print('init', time.time())
    lut = MYLUT()
    print('start', time.time())
    img = lut.imageInLut(img)
    print('finish', time.time())
    # cv2.imwrite(output, vhs)
    cv2.imshow('img', img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()
    print("done")

以上代码仅作示范，请读者举一反三。

然后用PhotoShop（不是PS喔！）修改原始的LUT图（注意只能改颜色！不能弄模糊、噪点之类的操作！请用无损压缩的图片格式，例如PNG），再代入得到结果。

修改后的LUT 测试图1 结果1

颜色调的有点丑，请忽略。