形状（高度，宽度，n）为每图像像素n个值的numpy.ndarray

Question

我的输入是模式为PIL.Image.Image或RGB的{​​{1}}，我需要用从每个像素的RGB值计算出的3个浮点值来填充RGBA。输出数组应可通过像素坐标索引。我发现以下方法可以做到：

numpy.ndarray

它有效，但是我怀疑有更好和/或更快速的方法。请告诉我是否有一个，但也没有。

NB：我知道我可以import numpy as np from PIL import Image def generate_ycbcr(img: Image.Image): for r, g, b in img.getdata(): yield 0.299 * r + 0.587 * g + 0.114 * b yield 128 - 0.168736 * r - 0.331264 * g + 0.5 * b yield 128 + 0.5 * r - 0.418688 * g - 0.081312 * b def get_ycbcr_arr(img: Image.Image): width, height = img.size arr = np.fromiter(generate_ycbcr(img), float, height * width * 3) return arr.reshape(height, width, 3) 将图像convert()，然后从中填充YCbCr，但是转换值被舍入为整数值，这不是我所需要的

Answer 1

对于初学者，您可以将图像直接转换为numpy数组，并使用矢量化操作来完成所需的操作：

def get_ycbcr_vectorized(img: Image.Image):
    R,G,B = np.array(img).transpose(2,0,1)[:3] # ignore alpha if present
    Y = 0.299 * R + 0.587 * G + 0.114 * B
    Cb = 128 - 0.168736 * R - 0.331264 * G + 0.5 * B
    Cr = 128 + 0.5 * R - 0.418688 * G - 0.081312 * B
    return np.array([Y,Cb,Cr]).transpose(1,2,0)

print(np.array_equal(get_ycbcr_arr(img), get_ycbcr_vectorized(img))) # True

但是，您确定直接转换为'YCbCr'会有很大不同吗？我测试了上述函数中定义的转换：

import matplotlib.pyplot as plt
def aux():
    # generate every integer R/G/B combination
    R,G,B = np.ogrid[:256,:256,:256]
    Y = 0.299 * R + 0.587 * G + 0.114 * B
    Cb = 128 - 0.168736 * R - 0.331264 * G + 0.5 * B
    Cr = 128 + 0.5 * R - 0.418688 * G - 0.081312 * B

    # plot the maximum error along one of the RGB channels
    for arr,label in zip([Y,Cb,Cr], ['Y', 'Cb', 'Cr']):
        plt.figure()
        plt.imshow((arr - arr.round()).max(-1))
        plt.xlabel('R')
        plt.ylabel('G')
        plt.title(f'max_B ({label} - {label}.round())')
        plt.colorbar()

aux()   
plt.show()

结果表明，最大的绝对误差为0.5，尽管这些误差遍及整个像素：

是的，这可能是相对较大的相对错误，但这不一定是一个大问题。

如果内置转换足够：

arr = np.array(img.convert('YCbCr'))

是您所需要的。