Question

我有这段代码，可以让您检测某个像素值。现在，我正在检测超过某个值的像素（27）。我的想法是仍然检测它们，但要检测另一个像素值（我想将像素从65像素检测到75像素，即另一个像素间隔）。我该怎么办？

您可能会看到，T正在检测灰度图像，所以我对红色，绿色和蓝色具有相同的值。

任何改进此程序以更快地工作的想法都会受到赞赏。例如，使用os.walk引入Daytime文件夹中的所有图像，而我不知道该怎么做。

谢谢。

daytime_images = os.listdir("D:/TR/Daytime/")
number_of_day_images = len(daytime_images)
day_value = 27

def find_RGB_day(clouds, red, green, blue): 
    img = Image.open(clouds) 
    img = img.convert('RGB') 
    pixels_single_photo = [] 
    for x in range(img.size[0]): 
        for y in range(img.size[1]): 
            h, s, v, = img.getpixel((x, y)) 
            if h <= red and s <= green and v <= blue:
                pixels_single_photo.append((x,y)) 
    return pixels_single_photo

number = 0

for _ in range(number_of_day_images):
    world_image = ("D:/TR/Daytime/" + daytime_images[number])
    pixels_found = find_RGB_day(world_image, day_value, day_value, day_value)
    coordinates.append(pixels_found)
    number = number+1

Answer 1

一些想法：

如果您说图像是灰度的，那么您应该将它们作为单通道灰度图像处理，而不是不必要地将其内存占用量增加三倍，并通过将它们提升为三倍来进行比较RGB
与其使用在Python中非常慢的嵌套for循环，要么使用 Numpy 或 OpenCV 获得10倍至1000倍的加速。类似的示例here。
如果要处理的图像很多，它们都是独立的，并且拥有不错的CPU和RAM，请考虑使用多重处理来让所有可爱的内核并行处理图像。简单示例here。

第二个建议最有可能产生最好的股息，所以我将其扩展为：

from PIL import Image
import Numpy as np

# Open an image and ensure greyscale
im = Image.open('image.png').convert('L')

# Make into Numpy array
na = np.array(im)

# Make a new array that is True where pixels between 65..75 and False elsewhere
x = np.logical_and(na>65,na<75)

# Now count the True pixels
result = np.count_nonzero(x)

对于此400x100的图片，该数字为2,200：

检测灰度图像的某些像素

1 个答案: