如何使用PIL \ Numpy在Python中获取灰度图像的平均像素值？

Question

我的灰度图像很少，我想到计算总图像的平均像素值，这样我就可以使用单个值表示每个单独的图像。

Answer 1

如果你想做这样的事情，你应该考虑使用scikit-image代替原始PIL或枕头。 SciKit Image对图像使用numpy数组，因此所有numpy方法都有效。

from skimage import io
import numpy as np

image = io.imread('http://i.stack.imgur.com/Y8UeF.jpg')

print(np.mean(image))

您可能希望将所有图片转换为浮动，以获得0和1之间的值：

from skimage import io, img_as_float
import numpy as np

image = io.imread('http://i.stack.imgur.com/Y8UeF.jpg')
image = img_as_float(image)
print(np.mean(image))

Answer 2

这可以通过循环像素使用PIL来完成，累积所有像素值并除以像素数（即宽度*高度）

from PIL import Image

im = Image.open('theimagefile.jpg')
im_grey = im.convert('LA') # convert to grayscale
width, height = im.size

total = 0
for i in range(0, width):
    for j in range(0, height):
        total += im_grey.getpixel((i,j))[0]

mean = total / (width * height)
print(mean)

Answer 3

解决方案比评论和答案中提供的解决方案简单得多 - 即，不对元组进行计算，也不需要嵌套循环来迭代单元格值。

具体来说，如果你有一个灰度图像，那么你就有了一个二维数组，其中数组单元格的标量值从0到1填充。

相反，彩色图像是2D NumPy数组，其中 rgb元组位于每个单元格中。

换句话说：灰度图像的NumPy数组表示是一个二维数组，其单元格的浮点值介于0（黑色）和1（白色）之间

鉴于此，您可以通过计算图像阵列两个轴的平均值来计算平均像素值，如下所示：

>>> import numpy as NP
>>> img = NP.random.rand(100, 100)
>>> img[:5, :5]
     array([[ 0.824,  0.864,  0.731,  0.57 ,  0.127],
            [ 0.307,  0.524,  0.637,  0.134,  0.877],
            [ 0.343,  0.789,  0.758,  0.059,  0.374],
            [ 0.693,  0.991,  0.458,  0.374,  0.738],
            [ 0.237,  0.226,  0.869,  0.952,  0.948]])

这一行代码将按您的意愿执行 - 计算平均值两次，对阵列中的每个轴计算一次（无需为第二次调用意味着指定一个轴，因为返回第一次调用的值只是一维数组

>>> img.mean(axis=0).mean()

  0.50000646872609511

0.5的值似乎是正确的，因为数组值是通过调用NP.random.rand生成的，该值返回在半开区间[0,1]上从均匀分布中采样的值

>>> import matplotlib.pyplot as MPL
>>> MPL.imshow(img, cmap=MPL.cm.gray, interpolation='nearest')
>>> MPL.show()

Answer 4

也许是最短的答案：

EnableCors