Gibt es eine Fotoanalyse-Software, die Bilder vorsortiert, um potenzielle technische Probleme zu identifizieren?

Ich habe kürzlich Urlaub gemacht und fast 1.000 Fotos gemacht. Wie üblich gibt es einige gute, schlechte, verschwommene usw.

Um die Nachbearbeitung zu beschleunigen, habe ich mich gefragt, ob es Software gibt, die einen Stapel von Fotos "vorbelichtet" und überbelichtete, unterbelichtete, unscharfe und andere identifizierbare Merkmale identifiziert potenziell weniger wünschenswerte Fotos. Die Idee ist, dass durch das Vorscreening schnell durch diese Gruppen sortiert werden sollte, um die Guten zu finden und den Rest zu löschen. Dann kann ich mehr Zeit damit verbringen, mir die wirklich wichtigen anzuschauen.

Ich verstehe, dass jedes Foto ein Unikat ist, und es gibt einige großartige Fotos, die gegen jede Faustregel verstoßen, aber ich dachte, dass dies eine schnelle Möglichkeit ist, meinen Workflow zu beschleunigen.

Ich benutze Lightroom, um Fotos zu sortieren. Im Bibliotheksmodul habe ich den Filter auf Markiert und Nicht markiert gesetzt und dann ein Foto auf den Bildschirm gebracht. Dann drücke ich einfach die rechte Pfeiltaste oder die Taste "x". "X" markiert das Foto als "abgelehnt" und macht es nicht mehr sichtbar. Es ist ganz einfach, in kürzester Zeit 1000 Fotos durchzuarbeiten. Sobald ich alle Fotos durchgesehen habe, entscheide ich mich einfach dafür, abgelehnte Fotos zu löschen, und ich bin fertig.

Photoshop Elements verfügt über eine Autoanalyse-Funktion, die einige dieser Funktionen ausführt. Sie versucht zu erkennen, ob die Fotos unscharf sind, Gesichter enthalten usw. Ich würde nicht sagen, dass sie brillant sind. Beispielsweise möchten Sie möglicherweise tatsächlich unscharfe Komponenten in Ihrem Foto, und der automatische Algorithmus markiert es weiterhin als unscharf.

Ich denke nicht, dass 1000 Fotos tatsächlich so viele sind, die man mit etwas wie Lightroom manuell in einem Workflow-Prozess durchlaufen muss. Beginnen Sie mit einer ersten Scan-Markierung als abgelehnt, wenn diese offensichtlich unbrauchbar sind, und verfeinern Sie sie mit Bewertungen, Farbmalerei und Tags, wie Sie es für richtig halten.

Eigentlich habe ich mich nach etwas umgesehen, das mir zumindest dabei helfen würde, Dinge auszusortieren (Tausende von Bildern in Klammern).

Ich habe ein einfaches Tool erstellt, um ein Verzeichnis mit Bildern zu scannen und unter- oder überbelichtete Bilder in einen anderen Ordner zu verschieben. Es ist nicht perfekt und lässt die künstlerischen Freiheiten der Fotografie keineswegs zu (aber es hilft mir, Zeit zu sparen). Technisch wird der durchschnittliche Pixelwert für jedes Bild ermittelt (von 0 bis 1,0), und Sie können ihn dann basierend auf den einstellbaren Schwellenwerten beibehalten oder ablehnen. Weitere Informationen finden Sie im AutoExposureChecker-Projekt und in den Dokumenten zu github .

Mit diesem Tool kann ich dann nur noch einmal überprüfen, ob alle Bilder gelöscht werden können (und die tatsächlich gewünschten Bilder entfernen) und alles andere in einem Durchgang löschen, was mir viel Zeit spart.

Wie auch immer, dachte ich würde teilen und gerne schießen!

Dies ist ziemlich einfach, wenn Sie in Python schreiben können. Hier ist ein guter Artikel über die Verwendung eines Open-Source-Computer-Vision-Pakets zur Erkennung von Bildunschärfe:

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

Hier ist ein schnelles Skript, das Bilder in unscharfe / ok-Verzeichnisse sortiert:

#
# 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))

Ihr schwierigstes Problem wird sein, Python und OpenCV in Ihrem System zu installieren. Google python3 für Ihr Betriebssystem und wie Sie pip damit installieren, können Sie mit pip3 opencv installieren. Oder es gibt auch einige Python + OpenCV-Vorinstallationen. Sie benötigen nicht die neueste Version von opencv, um dieses Skript auszuführen.

Das Skript funktioniert hervorragend und misst die allgemeine Bildunschärfe. Das ist gut für die meisten Bilder. Die Gesamtbildmessung bedeutet jedoch, dass diese Fotos mit nur einem Gesicht und Bokeh im Hintergrund in das verschwommene Verzeichnis verschoben werden und Sie sie dann wieder aussortieren müssen. Auf jeden Fall sollten Sie die unscharfen Bilder durchgehen, um sicherzustellen, dass keine verlegten Bewahrer anwesend sind.

Ich hoffe, dieses Skript beschleunigt Ihren Workflow.

Eine nette Verbesserung dieses Skripts besteht darin, die Gesichtserkennung einzuschließen, die Unschärfe der größten Gesichter auf dem Foto zu berechnen und diese Werte für den Schwellenwert für die Unschärfe zu verwenden. Wenn keine Gesichter erkannt werden, wird standardmäßig die Gesamtunschärfe verwendet. Ich überlasse diese Verbesserung Ihnen!

Ich kenne keine Anwendungen, mit denen potenziell fehlerhafte Bilder automatisch überprüft werden können, aber ich würde sie nicht verwenden, zumindest nicht blind.

Technischer Wert ist nur ein Teil dessen, was ein Foto ist. Einige der aussagekräftigsten Bilder sind technisch fehlerhaft. In vielen Fällen einem technisch perfekteren vorzuziehen, der beispielsweise eine schlechtere Zusammensetzung oder weniger von dem hat, was Cartier Bresson "den entscheidenden Moment" nannte.

Außerdem können einige Fehler bei der Bearbeitung behoben oder verbessert werden. Während Fokus und Unschärfe kaum zu korrigieren sind (obwohl sich dies in Zukunft ändern kann ), kann dies einen interessanten oder akzeptablen Effekt hinzufügen. Belichtung zum Beispiel ist eine davon. Ein leicht über- oder unterbelichtetes Bild (insbesondere bei RAW-Aufnahmen) sollte bei dieser Eigenschaft nicht dem "perfekt" belichteten Bild vorgezogen werden, da es sich leicht reparieren lässt.

Zum Beispiel war dieses Bild eine einmalige Aufnahme , die fast 3EV überbelichtet wurde, weil die Kamera die falschen Einstellungen hatte. Dank des Spielraums, den RAW-Dateien bieten, könnte es jedoch wiederhergestellt werden, während ein automatisierter Prozess es verworfen hätte.

Daher antworte ich vor meiner zweiten, dass ein effizient unterstützter Workflow besser ist als ein automatisierter Prozess. Tausende von Bildern sind innerhalb von ein oder zwei Stunden in Lightroom gut zu handhaben.

Überprüfen Sie das DXO-Fotolabor. Es kann Fotos basierend auf den Kamera- und Objektivprofilen automatisch korrigieren. Sie können die Fotos schnell bewerten, indem Sie sie durchsuchen und nur die von Ihnen bewerteten Fotos exportieren.