Question

我正在创建一个图像分析工具（使用Python）。我已经有了Otsu阈值处理产生的分段图像。使用OpenCv kmeans函数我将图像中的颜色数量减少到4。其中一个K均值聚类应该是黑色背景（BGR值[0,0,0]）。

由于K-means的算法，背景像素现在不是[0,0,0]，而是显示例如像素值。 [0,2,1]。

我希望这个背景群集再次变为绝对黑色。图像表示为3D numpy数组。目前我只是在迭代调整背景：

    X, Y, Z = img.shape
    for xi in xrange(X):
        for yi in xrange(Y):
            if all([value < 10 for value in img[xi][yi]]): 
                img[xi][yi] = np.zeros((1,3), dtype=int)

这是一个相对较慢的操作。是否有更智能的方法，可能使用专门的OpenCV / Numpy功能？

Answer 1

您可以像这样对此操作进行矢量化：

In [29]: A = np.random.random_integers(0,10,(2,4,3))

In [30]: A
Out[30]: 
array([[[ 5,  9,  1],
        [ 4,  0,  2],
        [ 0,  5,  9],
        [ 8,  7,  8]],

       [[ 1,  6,  7],
        [ 8, 10,  9],
        [ 2, 10,  1],
        [ 9,  2,  3]]])

In [32]: np.all(A < 5, axis=-1)  # I chose a threshold of 5
Out[32]: 
array([[False,  True, False, False],
       [False, False, False, False]], dtype=bool)

In [33]: A[np.all(A < 5, axis=-1)] = 100  # and set the values to 100 to easily show what has changed

In [34]: A
Out[34]: 
array([[[  5,   9,   1],
        [100, 100, 100],
        [  0,   5,   9],
        [  8,   7,   8]],

       [[  1,   6,   7],
        [  8,  10,   9],
        [  2,  10,   1],
        [  9,   2,   3]]])

通过指定np.all(some_array, axis=-1)，您正在最后一个轴上执行all操作，这是RGB值的位置。您可以看到，在此测试数组中，只有一个像素（A[0,1]）处于满足该条件的位置。

使用OpenCV / Numpy展平图像背景

1 个答案: