T15_0929

1.LAB 調整 + CLAHE

圖片轉到 LAB 色彩空間（L=亮度，a/b=顏色）。

對 L 通道用 CLAHE (Contrast Limited Adaptive Histogram Equalization)：

將圖片分成小格子 (tileGrid=8)。

在每個格子內做直方圖均衡化。

加上 clipLimit 限制，避免過度增強噪點。

2.Gray-World 白平衡（線性域）

3.膚色保護 (Skin Mask) 設定膚色範圍（Cb ∈ [85,135], Cr ∈ [135,180]）。

產生 mask，膚色區域值=255，其它=0。

對 mask 做形態學開運算 + GaussianBlur → 平滑邊界。

在混合時：膚色區域用「原圖」權重高，白平衡圖權重低（保護膚色不被漂白/過粉）。 👉 作用：臉部顏色更自然。

4.computeStats (影像統計)

對比前後影像，計算以下指標：

meanY：灰階亮度均值 → 亮度。

stdY：亮度標準差 → 對比。

meanSat：平均飽和度 → 飽和度。

rbDiff：R-B 均值差 → 色溫 / 藍色色調。

直方圖分位數 (p1, p99) → 黑點 / 白點。

dynamicRange = p99 - p1 → HDR 效果。

async function autoAdjustPro_fromCanvas(canvas) {
  await ensureOpenCVReady();
  const ctx = canvas.getContext("2d", { willReadFrequently:true });
  const srcData = ctx.getImageData(0,0,canvas.width,canvas.height);
  
  // 1. 轉換圖像格式
  const srcBGR = matFromImageData(srcData);
  
  // 2. 計算原始統計特徵
  const stats0 = computeStats(srcBGR);
  
  // 3. 應用 CLAHE（對比度限制自適應直方圖均衡化）
  const claheBGR = applyCLAHE_L_on_Lab(srcBGR, { 
    clipLimit: 2.8,    // 對比度限制閾值
    tileGrid: 8        // 8x8 網格分區處理
  });
  
  // 4. 應用灰度世界白平衡（含膚色保護）
  const wbBGR = grayWorldWB_withSkin(claheBGR, { 
    gainClamp: [0.75, 1.25],  // 增益限制範圍
    skinKeep: 0.6             // 膚色保護強度 60%
  });
  
  // 5. 計算處理後統計特徵
  const stats1 = computeStats(wbBGR);
  
  // 6. 生成智能調整建議
  const suggestion = generateAISuggestion(stats0, stats1);
  
  // 7. 輸出處理結果
  const outData = imageDataFromMatBGR(wbBGR);
  ctx.putImageData(outData, 0, 0);
  const previewDataURL = canvas.toDataURL("image/jpeg", 0.9);
  
  // 8. 清理記憶體
  srcBGR.delete(); claheBGR.delete(); wbBGR.delete();
  
  return { suggestion, previewDataURL };
}

async function autoAdjustPro_fromCanvas(canvas) {
  let srcBGR, claheBGR, wbBGR;
  
  try {
    await ensureOpenCVReady();
    
    // 驗證 Canvas 有效性
    if (!canvas || canvas.width === 0 || canvas.height === 0) {
      throw new Error("Invalid canvas dimensions");
    }
    
    const ctx = canvas.getContext("2d", { willReadFrequently: true });
    const srcData = ctx.getImageData(0, 0, canvas.width, canvas.height);
    
    // 驗證 ImageData
    if (!srcData || !srcData.data || srcData.data.length === 0) {
      throw new Error("Failed to extract image data from canvas");
    }
    
    console.log(`Processing image: ${canvas.width}×${canvas.height}, data length: ${srcData.data.length}`);
    
    srcBGR = matFromImageData(srcData);
    if (!isValidMat(srcBGR)) {
      throw new Error("Failed to create valid Mat from ImageData");
    }
    
    // 處理流程...
    const stats0 = computeStats(srcBGR);
    claheBGR = applyCLAHE_L_on_Lab(srcBGR, { clipLimit: 2.8, tileGrid: 8 });
    wbBGR = grayWorldWB_withSkin(claheBGR, { gainClamp: [0.75, 1.25], skinKeep: 0.6 });
    const stats1 = computeStats(wbBGR);
    
    // 生成建議
    const suggestion = generateAdvancedSuggestion(stats0, stats1, canvas.width, canvas.height);
    
    // 輸出結果
    const outData = imageDataFromMatBGR(wbBGR);
    ctx.putImageData(outData, 0, 0);
    const previewDataURL = canvas.toDataURL("image/jpeg", 0.9);
    
    return { suggestion, previewDataURL };
    
  } catch (error) {
    console.error("AI Pro processing failed:", error);
    throw new Error(`AI Pro 處理失敗: ${error.message}`);
  } finally {
    // 確保記憶體清理
    if (srcBGR && !srcBGR.isDeleted()) srcBGR.delete();
    if (claheBGR && !claheBGR.isDeleted()) claheBGR.delete();
    if (wbBGR && !wbBGR.isDeleted()) wbBGR.delete();
  }
}

function generateAdvancedSuggestion(stats0, stats1, width, height) {
  const clamp100 = (v) => Math.max(-100, Math.min(100, Math.round(v)));
  
  // 圖像尺寸因子（大圖可用更強處理）
  const sizeFactor = Math.min(1.0, (width * height) / (1920 * 1080));
  
  // 基礎調整計算
  const dMean = stats1.meanY - stats0.meanY;
  const dStd = stats1.stdY - stats0.stdY;
  const dSat = stats1.meanSat - stats0.meanSat;
  const dRB = stats1.rbDiff - stats0.rbDiff;
  const dP1 = stats1.p1 - stats0.p1;
  const dP99 = stats1.p99 - stats0.p99;
  const dDR = stats1.dynamicRange - stats0.dynamicRange;
  
  // 智能參數計算
  const brightness = clamp100(dMean / 1.6);
  const contrast = clamp100((dStd / 55) * 60 * sizeFactor);
  const saturation = clamp100(dSat * 450);
  const temperature = clamp100((-dRB) * 90);
  const blueTone = clamp100((-dRB) * 30);
  
  // 動態範圍調整
  const blackPoint = clamp100((-dP1) * 4);
  const whitePoint = clamp100((dP99) * -4);
  const hdr = clamp100(dDR * 0.35);
  
  // 智能鮮明度（基於飽和度和動態範圍）
  const vividness = clamp100(dSat * 220 + dDR * 0.05);
  
  // 自適應銳利化（基於圖像複雜度）
  const complexity = stats1.stdY / 255; // 標準差作為複雜度指標
  const baseSharpness = 8;
  const sharpness = clamp100(baseSharpness * (0.5 + complexity * 0.5));
  
  // 場景檢測和特殊處理
  const isLowKey = stats1.meanY < 0.3; // 暗調圖像
  const isHighKey = stats1.meanY > 0.7; // 亮調圖像
  const isLowContrast = stats1.stdY < 30; // 低對比度
  
  let adjustedSuggestion = {
    藍色色調: blueTone,
    色溫: temperature,
    飽和度: saturation,
    色調: 0,
    鮮明度: vividness,
    亮度: brightness,
    對比: contrast,
    白點: whitePoint,
    HDR效果: hdr,
    陰影: isLowKey ? clamp100(brightness * 0.3) : 0, // 暗調圖像提亮陰影
    黑點: blackPoint,
    銳利化: sharpness,
    降噪: isLowKey ? 5 : 0, // 暗調圖像需要降噪
    曝影: isHighKey ? clamp100(-brightness * 0.2) : 0, // 亮調圖像壓縮高光
  };
  
  // 記錄處理資訊
  console.log("AI Pro 場景分析:", {
    場景類型: isLowKey ? "暗調" : isHighKey ? "亮調" : "中調",
    對比度: isLowContrast ? "低" : "正常",
    圖像複雜度: (complexity * 100).toFixed(1) + "%",
    處理強度: sizeFactor.toFixed(2)
  });
  
  return adjustedSuggestion;
}

function skinMask(matBGR) {
  const ycrcb = new cv.Mat(); 
  cv.cvtColor(matBGR, ycrcb, cv.COLOR_BGR2YCrCb);
  const mv = new cv.MatVector(); 
  cv.split(ycrcb, mv);
  const Y = mv.get(0), Cr = mv.get(1), Cb = mv.get(2);

  const mask = new cv.Mat();
  const m1 = new cv.Mat(), m2 = new cv.Mat(), m3 = new cv.Mat();
  
  // 多層次膚色檢測
  // 第一層：基礎膚色範圍
  const cbLow1 = new cv.Mat(Cb.rows, Cb.cols, Cb.type(), new cv.Scalar(77));
  const cbHigh1 = new cv.Mat(Cb.rows, Cb.cols, Cb.type(), new cv.Scalar(127));
  const crLow1 = new cv.Mat(Cr.rows, Cr.cols, Cr.type(), new cv.Scalar(133));
  const crHigh1 = new cv.Mat(Cr.rows, Cr.cols, Cr.type(), new cv.Scalar(173));
  
  // 第二層：擴展膚色範圍（亞洲膚色）
  const cbLow2 = new cv.Mat(Cb.rows, Cb.cols, Cb.type(), new cv.Scalar(85));
  const cbHigh2 = new cv.Mat(Cb.rows, Cb.cols, Cb.type(), new cv.Scalar(135));
  const crLow2 = new cv.Mat(Cr.rows, Cr.cols, Cr.type(), new cv.Scalar(135));
  const crHigh2 = new cv.Mat(Cr.rows, Cr.cols, Cr.type(), new cv.Scalar(180));
  
  // 亮度約束（避免過暗或過亮區域）
  const yLow = new cv.Mat(Y.rows, Y.cols, Y.type(), new cv.Scalar(80));
  const yHigh = new cv.Mat(Y.rows, Y.cols, Y.type(), new cv.Scalar(230));
  
  cv.inRange(Cb, cbLow1, cbHigh1, m1);
  cv.inRange(Cr, crLow1, crHigh1, m2);
  cv.bitwise_and(m1, m2, mask);
  
  // 添加第二層檢測
  cv.inRange(Cb, cbLow2, cbHigh2, m1);
  cv.inRange(Cr, crLow2, crHigh2, m2);
  cv.bitwise_and(m1, m2, m3);
  cv.bitwise_or(mask, m3, mask);
  
  // 添加亮度約束
  cv.inRange(Y, yLow, yHigh, m1);
  cv.bitwise_and(mask, m1, mask);

  // 形態學處理（移除噪點、填補空洞）
  const k1 = cv.getStructuringElement(cv.MORPH_ELLIPSE, new cv.Size(3, 3));
  const k2 = cv.getStructuringElement(cv.MORPH_ELLIPSE, new cv.Size(5, 5));
  
  cv.morphologyEx(mask, mask, cv.MORPH_OPEN, k1);    // 移除小噪點
  cv.morphologyEx(mask, mask, cv.MORPH_CLOSE, k2);   // 填補空洞
  
  // 高斯模糊柔化邊緣
  cv.GaussianBlur(mask, mask, new cv.Size(7, 7), 0);

  // 清理資源
  ycrcb.delete(); mv.delete(); Y.delete(); Cr.delete(); Cb.delete();
  m1.delete(); m2.delete(); m3.delete(); k1.delete(); k2.delete();
  cbLow1.delete(); cbHigh1.delete(); crLow1.delete(); crHigh1.delete();
  cbLow2.delete(); cbHigh2.delete(); crLow2.delete(); crHigh2.delete();
  yLow.delete(); yHigh.delete();
  
  return mask;
}