使用PIL中的Image.point（）方法来处理像素数据

Question

我使用Python Imaging Library使用定义颜色关系的查找表为黑白图像着色。查找表只是一个256元素的RGB元组列表：

>>> len(colors)
256
>>> colors[0]
(255, 237, 237)
>>> colors[127]
(50, 196, 33)
>>> 

我的第一个版本使用了getpixel()和putpixel()方法：

    for x in range(w):
        for y in range(h):
            pix = img.getpixel((x,y))
            img.putpixel((x,y), colors[pix[0]])

这非常缓慢。 profile报告指出putpixel和getpixel方法是罪魁祸首。稍微调查（即阅读文档），我发现“请注意，此方法相对较慢。”re：putpixel。 （实际运行时：putpixel中的53s和1024x1024图像的50s getpixel

根据文档中的建议，我使用im.load()代替直接像素访问：

    pixels = img.load()
    for x in range(w):
        for y in range(h):
            pix = pixels[x, y]
            pixels[x, y] = colors[pix[0]]                

处理加速了一个数量级，但仍然慢：约3.5秒来处理1024x1024图像。

对PIL文档进行更彻底的研究似乎表明Image.point() 正好用于此目的：

  

im.point(table) =＆gt;图像

     

im.point(function) =＆gt;图像

     

返回图像的副本，其中每个像素已通过给定的表进行映射。该表应包含图像中每个波段256个值。如果使用函数，则应该使用单个参数。对每个可能的像素值调用该函数一次，并将结果表应用于图像的所有波段。

我花了一些时间来讨论这个界面，但看起来似乎并不是很正确。原谅我的无知，但PIL的文档很简单，我没有太多的图像处理经验。我已经用Google搜索了几个例子，但是没有任何东西可以让我使用“点击”。最后，我的问题：

• Image.point()是否适合这项工作？
• Image.point()期望表格的格式/结构是什么？
• 有人可以粗略地执行示例吗？到目前为止，我尝试过的每次迭代最终都会产生一个直的黑色图像。

Answer 1

  

Image.point（）是否是正确的工具   这份工作？

是的，Image.point()非常适合这项工作

  

什么格式/结构   Image.point（）期望表？

您应该扁平化列表，而不是[(12, 140, 10), (10, 100, 200), ...]使用：

[12, 140, 10, 10, 100, 200, ...]

以下是我刚试过的一个简单示例：

im = im.point(range(256, 0, -1) * 3)

顺便说一句，如果您需要更多控制颜色并且感觉Image.point不适合您，您还可以使用Image.getdata和Image.putdata更快地更改颜色{{1 }和load。它虽然比putpixel慢。

Image.point为您提供所有像素的列表，修改它们并使用Image.getdata将其写回。就这么简单。但首先尝试使用Image.putdata。

---

修改

我在第一个解释中犯了一个错误，我现在会正确解释：

颜色表实际上就像这样

Image.point

每个频段都在另一个频段旁边。 要将颜色（0,0,0）更改为（10,100,10），需要变为如下：

[0, 1, 2, 3, 4, 5, ...255, 0, 1, 2, 3, ....255, 0, 1, 2, 3, ...255]

要将颜色列表转换为正确的格式，请尝试：

[10, 1, 2, 3, 4, 5, ...255, 100, 1, 2, 3, ....255, 10, 1, 2, 3, ...255]

我认为我的第一个例子应该为你演示合成。

Answer 2

我认为point在逐个频段的基础上可能更为典型（直接从PIL tutorial提取）：

# split the image into individual bands
source = im.split()

R, G, B = 0, 1, 2

# select regions where red is less than 100
mask = source[R].point(lambda i: i < 100 and 255)

# process the green band
out = source[G].point(lambda i: i * 0.7)

# paste the processed band back, but only where red was < 100
source[G].paste(out, None, mask)

# build a new multiband image
im = Image.merge(im.mode, source)