Question

我需要对大量图像进行一些快速阈值处理，每个RGB通道都有一个特定的范围，即删除（使黑色）不在[100; 110]中的所有R值，所有G值都不在[80; 85]和所有B值不在[120; 140]

中

使用到OpenCV的python绑定为我提供了一个快速阈值处理，但它将所有三个RGP通道的阈值设置为单个值：

cv.Threshold(cv_im,cv_im,threshold+5, 100,cv.CV_THRESH_TOZERO_INV)
cv.Threshold(cv_im,cv_im,threshold-5, 100,cv.CV_THRESH_TOZERO)

或者我尝试通过将图像从PIL转换为numpy来手动完成：

arr=np.array(np.asarray(Image.open(filename).convert('RGB')).astype('float'))
for x in range(img.size[1]):
    for y in range(img.size[0]):
        bla = 0
        for j in range(3):
            if arr[x,y][j] > threshold2[j] - 5 and arr[x,y][j] < threshold2[j] + 5 :
                bla += 1
        if bla == 3:
            arr[x,y][0] = arr[x,y][1] = arr[x,y][2] = 200
        else:
            arr[x,y][0] = arr[x,y][1] = arr[x,y][2] = 0

虽然这是按预期工作的，但速度非常慢！

关于如何快速实现这一点的任何想法？

非常感谢， Bjarke

Answer 1

我认为inRange opencv方法是您感兴趣的方法。它可以让您同时设置多个阈值。

因此，使用您的示例，您将使用

# Remember -> OpenCV stores things in BGR order
lowerBound = cv.Scalar(120, 80, 100);
upperBound = cv.Scalar(140, 85, 110);

# this gives you the mask for those in the ranges you specified,
# but you want the inverse, so we'll add bitwise_not...
cv.InRange(cv_im, lowerBound, upperBound, cv_rgb_thresh);
cv.Not(cv_rgb_thresh, cv_rgb_thresh);

希望有所帮助！

Answer 2

如果你不使用循环，你可以用更多更快的方式使用numpy。

以下是我提出的建议：

def better_way():
    img = Image.open("rainbow.jpg").convert('RGB')
    arr = np.array(np.asarray(img))

    R = [(90,130),(60,150),(50,210)]
    red_range = np.logical_and(R[0][0] < arr[:,:,0], arr[:,:,0] < R[0][1])
    green_range = np.logical_and(R[1][0] < arr[:,:,0], arr[:,:,0] < R[1][1])
    blue_range = np.logical_and(R[2][0] < arr[:,:,0], arr[:,:,0] < R[2][1])
    valid_range = np.logical_and(red_range, green_range, blue_range)

    arr[valid_range] = 200
    arr[np.logical_not(valid_range)] = 0

    outim = Image.fromarray(arr)
    outim.save("rainbowout.jpg")


import timeit
t = timeit.Timer("your_way()", "from __main__ import your_way")
print t.timeit(number=1)

t = timeit.Timer("better_way()", "from __main__ import better_way")
print t.timeit(number=1)

省略的your_way函数是上面代码的略微修改版本。这种方式运行得更快：

$ python pyrgbrange.py 
10.8999910355
0.0717720985413

那是10.9秒而不是0.07秒。

Answer 3

PIL point函数为图像的每个波段采用256个值的表，并将其用作映射表。它应该很快。以下是在这种情况下应用它的方法：

def mask(low, high):
    return [x if low <= x <= high else 0 for x in range(0, 256)]

img = img.point(mask(100,110)+mask(80,85)+mask(120,140))

编辑：以上内容与numpy示例的输出效果不同;我按照说明而不是代码。这是一个更新：

def mask(low, high):
    return [255 if low <= x <= high else 0 for x in range(0, 256)]

img = img.point(mask(100,110)+mask(80,85)+mask(120,140)).convert('L').point([0]*255+[200]).convert('RGB')

这会对图像进行一些转换，在此过程中制作副本，但它仍然比在单个像素上运行更快。

Answer 4

如果你坚持使用OpenCV，那么先将cv.Split图像分成多个通道，然后分别cv.Threshold每个通道。我会使用类似的东西（未经测试）：

# Temporary images for each color channel
b = cv.CreateImage(cv.GetSize(orig), orig.depth, 1)
g = cv.CloneImage(b)
r = cv.CloneImage(b)
cv.Split(orig, b, g, r, None)

# Threshold each channel using individual lo and hi thresholds
channels = [ b, g, r ]
thresh = [ (B_LO, B_HI), (G_LO, G_HI), (R_LO, R_HI) ]
for c, (lo, hi) in zip(channels, thresh):
    cv.Threshold(ch, ch, hi, 100, cv.CV_THRESH_TOZERO_INV)
    cv.Threshold(ch, ch, lo, 100, cv.CV_THRESH_TOZERO)

# Compose a new RGB image from the thresholded channels (if you need it)
dst = cv.CloneImage(orig)
cv.Merge(b, g, r, None, dst)

如果您的图像尺寸相同，则可以重复使用创建的图像以节省时间。

Python中的快速RGB阈值处理（可能是一些智能的OpenCV代码？）

4 个答案: