¿Existe un software de análisis de fotos que clasifique previamente las imágenes identificando posibles problemas técnicos?

Recientemente me fui de vacaciones y tomé cerca de 1,000 fotografías. Como de costumbre, hay algunos buenos, malos, borrosos, etc.

Con el fin de acelerar el procesamiento posterior, me preguntaba si existe algún software que pueda "preseleccionar" un lote de fotos e identificar fotos que están sobreexpuestas, subexpuestas, borrosas y otras características que pueden identificar fotografías potencialmente menos deseables. La idea es que mediante la selección previa, se debería hacer un trabajo rápido de clasificar a través de esos grupos para encontrar los buenos y eliminar el resto. Entonces puedo pasar más tiempo mirando los que realmente importan.

Entiendo que cada fotografía es única, y hay algunas excelentes fotografías que infringen cada regla general, pero pensé que esta podría ser una forma rápida de acelerar mi flujo de trabajo.

Yo uso Lightroom para ordenar las fotos. En el módulo Biblioteca, configuré el filtro como Marcado y Sin marcar, luego hago que una foto llene la pantalla. Entonces empiezo a presionar la tecla de flecha derecha o la tecla "x". "X" marca la foto como "rechazada" y deja de ser visible. Es fácil pasar a través de 1000 fotos en poco tiempo. Una vez que he revisado todas las fotos, simplemente elijo Eliminar las fotos rechazadas y listo.

Photoshop Elements tiene una función de autoanálisis que hace algo de esto: intenta detectar si las fotos están borrosas, si hay caras en ellas, etc. No diría que es brillante. Por ejemplo, es posible que desee componentes fuera de foco en su fotografía y el algoritmo automatizado todavía lo marcará como borroso.

No creo que 1000 fotos sean realmente tantas para pasar manualmente en un proceso de flujo de trabajo usando algo como Lightroom. Comience desde un escaneo inicial marcado como rechazado aquellos que obviamente son inutilizables y luego refine usando clasificaciones, pintura en color y etiquetas como mejor le parezca.

De hecho, estaba buscando algo que me ayudara al menos a comenzar el proceso de eliminar cosas (miles de imágenes entre corchetes).

Creé una herramienta simple para escanear un directorio de imágenes y mover imágenes sobre / subexpuestas a una carpeta diferente. No es perfecto y de ninguna manera permite las libertades artísticas que hace la fotografía (pero me ayuda a ahorrar tiempo). Lo que técnicamente hace es obtener el valor de píxel promedio de cada imagen (de 0 a 1.0) y luego puede mantener o rechazar según los umbrales que se pueden establecer. Consulte el proyecto AutoExposureChecker y los documentos en github para obtener más información.

Con esta herramienta, puedo verificar que todas las imágenes estén bien para eliminar (mover las que realmente se desean) y borrar todo lo demás en una primera pasada, ahorrándome toneladas de tiempo.

De todos modos, pensé que compartiría y feliz disparando!

Esto es bastante fácil de hacer si puedes escribir en Python. Aquí hay un buen artículo sobre el uso de un paquete de visión por computadora de código abierto para detectar imágenes borrosas en general:

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

Aquí hay un script rápido que clasificará las imágenes en directorios borrosos / ok:

#
# 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))

Su problema más complicado será instalar Python y OpenCV en su sistema. Google python3 para su sistema operativo, y cómo instalar pip con él, puede usar pip3 para instalar opencv. O bien, también hay algunas instalaciones precompiladas de python + opencv. No necesita la versión más reciente de opencv para ejecutar este script.

El guión funciona muy bien y mide la imagen borrosa en general. Esto es bueno para la mayoría de las imágenes. Sin embargo, la medición general de la imagen significa que esas fotografías de fondo con una cara y bokeh se colocarán en el directorio borroso, y tendrá que ordenarlas de nuevo. De todos modos, debes revisar las imágenes borrosas para asegurarte de que no haya guardianes extraviados allí.

Espero que este script acelere su flujo de trabajo.

Una mejora clara de este script es incluir la detección de rostros y calcular el desenfoque en las caras más grandes de la fotografía, y usar esos valores para el umbral de desenfoque, por defecto al desenfoque general si no se detectan rostros. ¡Te dejaré esa mejora a ti!

No conozco aplicaciones que puedan filtrar automáticamente imágenes potencialmente defectuosas para usted, pero no las usaría, al menos no a ciegas.

El mérito técnico es solo parte de lo que es una foto. Algunas de las imágenes más significativas resultan ser técnicamente defectuosas. En muchos casos, preferible a uno técnicamente más perfecto que, por ejemplo, tenga una composición más pobre o menos de lo que Cartier Bresson llamó "el momento decisivo".

Además, algunos defectos se pueden corregir o mejorar en la edición. Si bien el enfoque y el desenfoque son prácticamente imposibles de corregir (aunque esto puede cambiar en el futuro ), puede agregar un efecto interesante o aceptable. La exposición, por ejemplo, es uno de esos. Una imagen ligeramente sobreexpuesta o subexpuesta (especialmente si se toma en RAW) no debería preferirse a una "perfectamente" expuesta solo en esta propiedad, ya que puede repararse fácilmente.

Por ejemplo, esta imagen fue una toma única que salió casi 3EV sobreexpuesta porque la cámara tenía la configuración incorrecta. Sin embargo, gracias a la latitud proporcionada por los archivos RAW, podría recuperarse, mientras que un proceso automatizado lo habría descartado.

Entonces, respondo en segundo lugar antes que la mía, diciendo que un flujo de trabajo eficientemente compatible es mejor que un proceso automatizado. Miles de imágenes son bastante manejables en Lightroom en una o dos horas.

Consulte DXO Photo lab. Puede corregir fotos automáticamente en función de los perfiles de cámara y lente. Puede calificar rápidamente las fotos navegando por ellas y exportar solo las fotos que haya calificado.