用于计算图像的平均RGB值的基准函数

Question

我以两种方式实现了Python Imaging Library图像的平均RGB值的计算：

1 - 使用列表

def getAverageRGB(image):
  """
  Given PIL Image, return average value of color as (r, g, b)
  """
  # no. of pixels in image
  npixels = image.size[0]*image.size[1]
  # get colors as [(cnt1, (r1, g1, b1)), ...]
  cols = image.getcolors(npixels)
  # get [(c1*r1, c1*g1, c1*g2),...]
  sumRGB = [(x[0]*x[1][0], x[0]*x[1][1], x[0]*x[1][2]) for x in cols] 
  # calculate (sum(ci*ri)/np, sum(ci*gi)/np, sum(ci*bi)/np)
  # the zip gives us [(c1*r1, c2*r2, ..), (c1*g1, c1*g2,...)...]
  avg = tuple([sum(x)/npixels for x in zip(*sumRGB)])
  return avg

2 - 使用numpy

def getAverageRGBN(image):
  """
  Given PIL Image, return average value of color as (r, g, b)
  """
  # get image as numpy array
  im = np.array(image)
  # get shape
  w,h,d = im.shape
  # change shape
  im.shape = (w*h, d)
  # get average
  return tuple(np.average(im, axis=0))

我惊讶地发现＃1的运行速度比＃2快20％。

我正确使用numpy吗？有没有更好的方法来实现平均计算？

Answer 1

确实令人惊讶。

您可能想要使用：

tuple(im.mean(axis=0))

计算你的平均值(r,g,b)，但我怀疑它会改进很多东西。您是否尝试过分析getAverageRGBN并找到瓶颈？

Answer 2

单行无需更改维度或编写getAverageRGBN：

np.array(image).mean(axis=(0,1))

同样，它可能无法改善任何表现。

Answer 3

在PIL或Pillow中，在Python 3.4 +中：

from statistics import mean
average_color = [mean(image.getdata(band)) for band in range(3)]