Question

我仍然在处理一段代码来极化图像。它的逻辑似乎与方向一致，但是当我运行程序时，它不起作用（即颜色改变，但实际上没有极化）。它似乎有点长，因为我更乐于写出所有内容，所以我可以清楚地看到正在做什么，但有没有办法压缩它？

def polarize(im):
height=len(im)
width = len(im[0])
red = 0
green = 0
blue = 0
pixels = 0
for row in range(height):
    for col in range(width):
        red += im[row][col][0] #finds the sum of all red values
        green += im[row][col][1] #finds the sum of all green values
        blue += im[row][col][2] #finds the sum of all blue values
        pixels += 1
        avg_value_red = red/pixels
        avg_value_green = green/pixels
        avg_value_blue = blue/pixels
        if im[row][col][0] < avg_value_red:
                im[row][col][0] = 0
        elif im[row][col][0] > avg_value_red:
                im[row][col][0] = 255
        elif im[row][col][1] < avg_value_green:
                im[row][col][1] = 0
        elif im[row][col][1] > avg_value_green:
                im[row][col][1] = 255
        elif im[row][col][2] < avg_value_blue:
                im[row][col][2] = 0
        elif im[row][col][2] > avg_value_blue:
                im[row][col][2] = 255
return im

Answer 1

1）在检查每个像素通道和设置值之前，您需要计算平均值。目前，当您阅读每个新像素时，您正在更改avg_value_red / avg_value_green / avg_value_blue，但这是移动平均线。平均颜色值应该基于整个图像，而不仅仅是您在此之前迭代的像素。

你可以通过将它分成两个独立的循环，然后计算之后的第一个循环而不是每次迭代来计算平均值。同样，pixels只是您的width乘以height，因此每次迭代计算此值几乎没有价值。

2）其次，您的red，green，blue和pixel值是整数。在某些版本的Python中，当你执行整数除法时，你不会得到一个双精度。因此，当您计算avg_value_red等时，它可能会返回一个整数值，而不是更精确的float或类似值。

3）此外，您需要分割您的条件以分别检查每个频道。例如，如果发现im[row][col[0] < avg_value_red为真，则满足条件，因此不会检查蓝色和绿色通道。如果我们分割这些条件，每个频道就会变为if value > average, set channel to 255, else 0。所以没有理由检查是否value < average。您可以使用ternary conditional operator执行此操作，以便在您提出请求后保持代码简短（但这取决于您）。

4）最后，你还应该处理像素通道何时等于平均值的情况。目前这些值不会改变。这当然取决于你的算法，但我希望它能以某种方式运行，而不是保持不变。

def polarize(im): height = len(im) width = len(im[0]) red = 0 green = 0 blue = 0 pixels = float(width*height) for row in range(height): for col in range(width): red += im[row][col][0] #finds the sum of all red values green += im[row][col][1] #finds the sum of all green values blue += im[row][col][2] #finds the sum of all blue values print numpy.mean(im, axis=(0,1)) print red/pixels, green/pixels, blue/pixels avg_value_red = red/pixels avg_value_green = green/pixels avg_value_blue = blue/pixels for row in range(height): for col in range(width): im[row][col][0] = 255 if im[row][col][0] >= avg_value_red else 0 im[row][col][1] = 255 if im[row][col][1] >= avg_value_green else 0 im[row][col][2] = 255 if im[row][col][2] >= avg_value_blue else 0 return im

5）至于代码长度，它不会太长，但根据您使用的图像/阵列库，有多种方法可以缩短和/或优化它。我认为这是 Numpy ，在这种情况下，有多种方法可以改善这一点。例如，可以使用Numpy：
将整个方法压缩为一行
def polarize(im): return (im[:,:]>=numpy.mean(im,axis=(0,1)))*255

这将检查每个通道是否大于或等于其平均值（在整个图像阵列中）。然后，此true或false乘以255（true*255将导致255; false*255将导致0）。因此，对于每个像素的通道，最终结果具有255或0的值。你可以把它分成多行，以便检查它在做什么。

极化图像尝试 - 出了什么问题？

1 个答案: