image-quaternion 0.1.1

Una librería para trabajar con imágenes en formato de cuaterniones.

Image Quaternion Library

Image Quaternion Library es una librería de Python que permite trabajar con imágenes en formato de cuaterniones. Proporciona herramientas para convertir imágenes RGB a cuaterniones, aplicar contrastes, comparar histogramas y calcular métricas de calidad de imagen.

Instalación

Puedes instalar la librería directamente desde PyPI usando pip:

pip install image-quaternion

Uso

Conversión de RGB a Cuaterniones

Convierte una imagen RGB a una representación en cuaterniones:

import cv2
from image_quaternion import rgb_to_quaternion

# Cargar una imagen
image = cv2.imread('ruta/a/tu/imagen.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # Convertir a RGB
image = image / 255.0  # Normalizar la imagen

# Convertir a cuaterniones
q_image = rgb_to_quaternion(image)

Aplicar Contraste

Aplica un factor de contraste a una imagen en formato de cuaterniones:

from image_quaternion import apply_contrast

# Aplicar un contraste de 1.5
q_contrast = apply_contrast(q_image, contrast=1.5)

Convertir de Cuaterniones a RGB

Convierte una imagen en formato de cuaterniones de vuelta a RGB:

from image_quaternion import quaternion_to_rgb

# Convertir a RGB
rgb_image = quaternion_to_rgb(q_contrast)

Visualizar Canales de Color

Visualiza los canales de color de una imagen en formato de cuaterniones:

from image_quaternion import plot_channels

# Mostrar los canales de color
plot_channels(q_contrast, title='Canales de Color con Contraste 1.5')

Comparar Histogramas

Compara los histogramas de una imagen tradicional y una en cuaterniones:

from image_quaternion import compare_histograms

# Comparar histogramas
compare_histograms(q_image, image)

Calcular Métricas de Calidad

Calcula métricas de calidad entre dos imágenes (MSE, PSNR y Entropía):

from image_quaternion import calculate_metrics

# Calcular métricas
mse, psnr, entropy = calculate_metrics(image, rgb_image)
print(f'MSE: {mse}, PSNR: {psnr}, Entropía: {entropy}')

Ejemplo Completo

import cv2
import numpy as np
from image_quaternion import (
    rgb_to_quaternion,
    apply_contrast,
    quaternion_to_rgb,
    plot_channels,
    compare_histograms,
    calculate_metrics
)

# Cargar una imagen
image = cv2.imread('ruta/a/tu/imagen.jpg')
image = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)  # Convertir a RGB
image = image / 255.0  # Normalizar la imagen

# Convertir a cuaterniones
q_image = rgb_to_quaternion(image)

# Aplicar un contraste de 1.5
q_contrast = apply_contrast(q_image, contrast=1.5)

# Convertir de vuelta a RGB
rgb_image = quaternion_to_rgb(q_contrast)

# Mostrar los canales de color
plot_channels(q_contrast, title='Canales de Color con Contraste 1.5')

# Comparar histogramas
compare_histograms(q_image, image)

# Calcular métricas de calidad
mse, psnr, entropy = calculate_metrics(image, rgb_image)
print(f'MSE: {mse}, PSNR: {psnr}, Entropía: {entropy}')

Requisitos

• Python 3.6 o superior.
• Dependencias:
  • numpy
  • matplotlib
  • opencv-python

Instalación de Dependencias

Puedes instalar las dependencias automáticamente al instalar la librería con pip. Si prefieres instalarlas manualmente:

pip install numpy matplotlib opencv-python

Contribuir

Si deseas contribuir a este proyecto, ¡te damos la bienvenida! Por favor, sigue estos pasos:

1. Haz un fork del repositorio.
2. Crea una rama para tu contribución (git checkout -b feature/nueva-funcionalidad).
3. Realiza tus cambios y haz commit (git commit -m 'Añadir nueva funcionalidad').
4. Haz push a la rama (git push origin feature/nueva-funcionalidad).
5. Abre un Pull Request en GitHub.

Licencia

Este proyecto está bajo la licencia MIT. Consulta el archivo LICENSE para más detalles.

Contacto

Si tienes alguna pregunta o sugerencia, no dudes en contactarme:

• Nombre: [Tu Nombre]
• Email: [[e-mail]]
• GitHub: https://github.com/tu_usuario

---

Este README.md está diseñado para ser claro y fácil de seguir, proporcionando toda la información necesaria para que los usuarios puedan instalar, usar y contribuir a la librería. ¡Espero que sea útil! 🚀