Question

我正在尝试在Python中对彩色图像（3通道）进行操作，例如加，乘等。使用例如TimeDistributed，其中cv.add(img, value)是3通道图像，img是标量。

但是功能仅更改第一个通道。我发现在C ++中，您必须使用value将操作应用于所有通道。

如何在Python中做到这一点？有没有一种方法可以同时将这三个标量值传递给函数，这样我就不需要使用循环了？

编辑：另外，我认为最好使用openCV函数，因为它们具有“饱和操作”的优点。例如，在处理uint8时，使用cv.add（250 + 10）将返回255，而不是260。使用numpy，则250 + 10 = 260％256 = 4。

示例代码和错误

我创建了一个4x4像素的图像，3个通道，然后尝试添加标量。

Scalar(value1, value2, value3)

结果是：

import cv2 as cv
import numpy as np

img = np.zeros((4,4,3), np.uint8)
print(img)
cv.add(img, 2)

但是，如果我仅使用一个像素，一行或一列，则结果是正确的：

array([[[2, 0, 0],
        [2, 0, 0],
        [2, 0, 0],
        [2, 0, 0]],

       [[2, 0, 0],
        [2, 0, 0],
        [2, 0, 0],
        [2, 0, 0]],

       [[2, 0, 0],
        [2, 0, 0],
        [2, 0, 0],
        [2, 0, 0]],

       [[2, 0, 0],
        [2, 0, 0],
        [2, 0, 0],
        [2, 0, 0]]], dtype=uint8)

上面三个示例的最后一个的结果：

a = img[1,1]; print(a)
cv.add(a, 2)

a = img[:,1]; print(a)
cv.add(a, 2)

a = img[1,:,]; print(a)
cv.add(a, 2)

为什么使用opencv函数而不是numpy？

首先，我认为您不能直接使用opencv函数来完成此操作很奇怪。：P（此外，该功能适用于1列或1行像素；这让我认为有一个简单的解决方案可以使其在opencv-python中运行。）

第二，性能似乎有很大不同。绝对时间并不大，但是例如，如果您需要在直播视频中进行一些繁重的处理，那可能会有所作为。

我已经运行了一些简单的In [341]: a = img[1,:,]; print(a) [[0 0 0] [0 0 0] [0 0 0] [0 0 0]] In [342]: cv.add(a, 2) Out[342]: array([[2, 2, 2], [2, 2, 2], [2, 2, 2], [2, 2, 2]], dtype=uint8)与cv.add()，并在一个单通道图像中添加了标量：

numpy

性能结果为：

img = np.zeros((500,500,1), np.uint8)

# sum without saturation
%timeit res1 = img + 100 
%timeit res2 = cv.add(img, 100)

#sum with saturation (going over 255)
%timeit res1 = img + 300
%timeit res2 = cv.add(img, 300)

在没有饱和的操作中，numpy的添加速度比opencv慢5倍。饱和时，速度要慢2倍左右。但是您仍然必须更正numpy结果，以使其显示为饱和255。最终您必须将其转换回In [56]: %timeit res1 = img + 100 688 µs ± 19.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) In [57]: %timeit res2 = cv.add(img, 100) 129 µs ± 9.96 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each) In [58]: %timeit res1 = img + 300 1.41 ms ± 101 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each) In [59]: %timeit res2 = cv.add(img, 300) 736 µs ± 9.04 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)（numpy将结果转换为uint8才能容纳结果）：

uint16

因此，使用numpy时，完整操作的速度再次慢了约5倍...

Answer 1

在Python OpenCV绑定中，如果要将某些内容传递给应解释为标量的OpenCV函数，则应使用具有 4 元素的元组。大小很重要，这就是包装程序代码可以识别出它的原因。这对应于C ++类型cv::Scalar，该类型也包含4个值。仅使用所需的值（对应于另一个操作数的通道深度），其余的将被忽略。

示例：

import cv2
import numpy as np
img = np.ones((4,4,3), np.uint8)
print cv2.add(img, (1,2,255,0))

控制台输出：

[[[  2   3 255]
  [  2   3 255]
  [  2   3 255]
  [  2   3 255]]

 [[  2   3 255]
  [  2   3 255]
  [  2   3 255]
  [  2   3 255]]

 [[  2   3 255]
  [  2   3 255]
  [  2   3 255]
  [  2   3 255]]

 [[  2   3 255]
  [  2   3 255]
  [  2   3 255]
  [  2   3 255]]]

OpenCV和Python：标量与所有像素和通道之间的算术运算

示例代码和错误

为什么使用opencv函数而不是numpy？

1 个答案: