紫外光下纸币图像转RGB的图像处理优化方案问询

问题背景 #

我有一组紫外光下拍摄的纸币图像数据集，需要通过图像处理将其转换为RGB格式，以此实现纸币面额（20、50、100等）的识别。由于项目将部署在硬件设备上，为保证运行效率与速度，不打算通过开关紫外灯的方式获取RGB图像。

已实现的图像处理函数 #

我已经编写了用于调整对比度、色温（warmth）和色调（tint）的代码：

def change_contrast(img, level):
    factor = (259 * (level + 255)) / (255 * (259 - level))
    def contrast(c):
        return 128 + factor * (c - 128)
    return img.point(contrast)

def adjust_warmth(image, warmth_factor):
    b, g, r = cv2.split(image)
    
    r = cv2.add(r, int(warmth_factor))  # 增加红色通道
    b = cv2.subtract(b, int(warmth_factor))  # 减少蓝色通道

    warmed_image = cv2.merge([b, g, r])
    return np.clip(warmed_image, 0, 255).astype(np.uint8)

def adjust_tint(image, tint_factor):
    tinted_image = np.zeros_like(image)
    
    # 增减各通道值
    tinted_image[:, :, 0] = cv2.add(image[:, :, 0], int(tint_factor))  # 蓝色通道
    tinted_image[:, :, 1] = cv2.add(image[:, :, 1], int(tint_factor))  # 绿色通道
    tinted_image[:, :, 2] = cv2.add(image[:, :, 2], int(tint_factor))  # 红色通道
    
    return np.clip(tinted_image, 0, 255).astype(np.uint8)

当前处理效果与代码 #

我已进行示例处理，但目前的效果无法还原纸币的原始颜色：

• 原始紫外图像：
• 当前处理后图像：

使用的处理代码如下：

new_image = change_contrast(Image.open('20-f.jpg'), 50)
new_image = new_image.rotate(90)

new_image_np = np.array(new_image)
img3_warmth = adjust_warmth(new_image_np, -25)
img3_tint = adjust_tint(img3_warmth, -35)

fig = plt.figure(figsize=(12,12))
ax = fig.add_subplot(111)
ax.imshow(img3_tint)
plt.show()

期望目标 #

希望达到的图像效果如下：

内容的提问来源于stack exchange，提问作者ANAXA GORAS