python 實(shí)現(xiàn)圖像快速替換某種顏色
最近的對(duì)圖像數(shù)據(jù)進(jìn)行處理的時(shí)候需要將圖像中的某個(gè)顏色替換為另一個(gè)顏色,但是網(wǎng)絡(luò)上找到的方法都是通過對(duì)圖像的遍歷進(jìn)行替換,實(shí)在是太費(fèi)時(shí)了!剛開始使用時(shí)覺得CPU很快了,一張圖片應(yīng)該用不了多久,但是實(shí)際使用中耗時(shí)確實(shí)難以接受的!于是自己寫了一個(gè)替換程序加快速度,比遍歷快很多,但我覺得不是最快的,應(yīng)該有通過矩陣索引更快的處理方式,只是我自己暫時(shí)并不知道該如何實(shí)現(xiàn),如果以后能夠?qū)崿F(xiàn)會(huì)進(jìn)行更新,暫時(shí)先寫下自己暫時(shí)覺得可用的代碼。
一、通過遍歷替換
將圖像中某個(gè)顏色替換為另一個(gè)顏色一般的做法是遍歷整個(gè)圖像,逐一替換,如下:
def replace_color_tran(img, src_clr, dst_clr): ''' 通過遍歷顏色替換程序 @param img: 圖像矩陣 @param src_clr: 需要替換的顏色(r,g,b) @param dst_clr: 目標(biāo)顏色 (r,g,b) @return 替換后的圖像矩陣 ''' img_arr = np.asarray(img, dtype=np.double) dst_arr = img_arr.copy() for i in range(img_arr.shape[1]): for j in range(img_arr.shape[0]): if (img_arr[j][i] == src_clr)[0] == True: dst_arr[j][i] = dst_clr return np.asarray(dst_arr, dtype=np.uint8)
二、通過矩陣操作加快替換
但是這樣做,處理速度是很慢的即便是現(xiàn)在CPU很快的情況下。我自己通過numpy矩陣操作將速度提升了一點(diǎn),具體做法如下:
將圖像的三個(gè)通道拆分開來為R,G,B三個(gè)通道
將三個(gè)通道的數(shù)據(jù)值進(jìn)行簡(jiǎn)單的編碼,合并為單通道矩陣;
將需要替換的顏色進(jìn)行同2的編碼,利用改編碼在2中得到的矩陣中得到對(duì)應(yīng)顏色的索引;
利用3中得到的索引將R,G,B三個(gè)通道中的對(duì)應(yīng)顏色值替換為目標(biāo)值;
將得到的三個(gè)通道合并為一個(gè)圖像數(shù)據(jù)。
具體實(shí)現(xiàn)如下:
def replace_color(img, src_clr, dst_clr): ''' 通過矩陣操作顏色替換程序 @param img: 圖像矩陣 @param src_clr: 需要替換的顏色(r,g,b) @param dst_clr: 目標(biāo)顏色 (r,g,b) @return 替換后的圖像矩陣 ''' img_arr = np.asarray(img, dtype=np.double) r_img = img_arr[:,:,0].copy() g_img = img_arr[:,:,1].copy() b_img = img_arr[:,:,2].copy() img = r_img * 256 * 256 + g_img * 256 + b_img src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2] #編碼 r_img[img == src_color] = dst_clr[0] g_img[img == src_color] = dst_clr[1] b_img[img == src_color] = dst_clr[2] dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8) dst_img = dst_img.transpose(1,2,0) return dst_img
三、結(jié)果對(duì)比
先看下具體的實(shí)現(xiàn)結(jié)果,全部測(cè)試程序文末給出,(上面的圖片是原圖,下面是替換后的圖片)。



四、程序解釋
通過如下方式編碼的原因是r,g,b三原色的數(shù)值本身是順序相關(guān)的,為了保證最后索引的一致與準(zhǔn)確性,采用將不同數(shù)值錯(cuò)位開。這里的magic number采用256是因?yàn)槿臄?shù)值的范圍是[0,255],這樣相乘可以保證數(shù)據(jù)在二進(jìn)制上的完全相互交錯(cuò)而保證該編碼是絕對(duì)正確的,當(dāng)然也可以采用其他形式的編碼或者數(shù)值選擇其他數(shù)值,我這樣選擇是為了保險(xiǎn)起見而已。
img = r_img * 256 * 256 + g_img * 256 + b_img src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2] #編碼
五、完整的測(cè)試程序
完整的程序:
from PIL import Image
import os
import numpy as np
import time
def replace_color(img, src_clr, dst_clr):
''' 通過矩陣操作顏色替換程序
@param img: 圖像矩陣
@param src_clr: 需要替換的顏色(r,g,b)
@param dst_clr: 目標(biāo)顏色 (r,g,b)
@return 替換后的圖像矩陣
'''
img_arr = np.asarray(img, dtype=np.double)
#分離通道
r_img = img_arr[:,:,0].copy()
g_img = img_arr[:,:,1].copy()
b_img = img_arr[:,:,2].copy()
#編碼
img = r_img * 256 * 256 + g_img * 256 + b_img
src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2]
#索引并替換顏色
r_img[img == src_color] = dst_clr[0]
g_img[img == src_color] = dst_clr[1]
b_img[img == src_color] = dst_clr[2]
#合并通道
dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8)
#將數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)(h,w,c)
dst_img = dst_img.transpose(1,2,0)
return dst_img
def replace_color_tran(img, src_clr, dst_clr):
''' 通過遍歷顏色替換程序
@param img: 圖像矩陣
@param src_clr: 需要替換的顏色(r,g,b)
@param dst_clr: 目標(biāo)顏色 (r,g,b)
@return 替換后的圖像矩陣
'''
img_arr = np.asarray(img, dtype=np.double)
dst_arr = img_arr.copy()
for i in range(img_arr.shape[1]):
for j in range(img_arr.shape[0]):
if (img_arr[j][i] == src_clr)[0] == True:
dst_arr[j][i] = dst_clr
return np.asarray(dst_arr, dtype=np.uint8)
img = '1.jpg'
img = Image.open(img).convert('RGB')
res_img = img.copy()
count = 20
matrix_time = 0
trans_time = 0
for i in range(count):
print(i)
start = time.time()
dst_img = replace_color(img, (8,10,51), (255,0,0))
end = time.time()
matrix_time += (end - start)
start = time.time()
dst_img = replace_color_tran(img, (8,10,51), (255,0,0))
end = time.time()
trans_time += (end - start)
res_img = dst_img
res_img = Image.fromarray(res_img)
res_img.save('2.jpg')
print('矩陣操作花費(fèi)時(shí)間:', matrix_time / count )
print('遍歷操作花費(fèi)時(shí)間:', trans_time / count )
以上這篇python 實(shí)現(xiàn)圖像快速替換某種顏色就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
PyCharm安裝庫(kù)numpy失敗問題的詳細(xì)解決方法
今天使用pycharm編譯python程序時(shí),由于要調(diào)用numpy包,但又未曾安裝numpy,于是就根據(jù)pycharm的提示進(jìn)行安裝,最后竟然提示出錯(cuò),下面這篇文章主要給大家介紹了關(guān)于PyCharm安裝庫(kù)numpy失敗問題的詳細(xì)解決方法,需要的朋友可以參考下2022-06-06
Python利用全連接神經(jīng)網(wǎng)絡(luò)求解MNIST問題詳解
這篇文章主要介紹了Python利用全連接神經(jīng)網(wǎng)絡(luò)求解MNIST問題,結(jié)合實(shí)例形式詳細(xì)分析了單隱藏層神經(jīng)網(wǎng)絡(luò)與多層神經(jīng)網(wǎng)絡(luò),以及Python全連接神經(jīng)網(wǎng)絡(luò)求解MNIST問題相關(guān)操作技巧,需要的朋友可以參考下2020-01-01
Python內(nèi)建函數(shù)Built_in Funtions用法示例詳解
這篇文章主要為大家介紹了Python內(nèi)建函數(shù)Built_in Funtions用法示例詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2023-08-08
Python中的__new__與__init__魔術(shù)方法理解筆記
這篇文章主要介紹了Python中的__new__與__init__魔術(shù)方法理解筆記,需要的朋友可以參考下2014-11-11
pd.drop_duplicates刪除重復(fù)行的方法實(shí)現(xiàn)
drop_duplicates 方法實(shí)現(xiàn)對(duì)數(shù)據(jù)框 DataFrame 去除特定列的重復(fù)行,本文主要介紹了pd.drop_duplicates刪除重復(fù)行的方法實(shí)現(xiàn),文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-06-06
Python實(shí)現(xiàn)自動(dòng)化郵件發(fā)送過程詳解
這篇文章主要介紹了如何利用Python實(shí)現(xiàn)自動(dòng)化郵件發(fā)送,可以讓你擺脫繁瑣的重復(fù)性業(yè)務(wù),可以節(jié)省非常多的時(shí)間。感興趣的小伙伴可以試一試2022-01-01
Python使用pymysql模塊操作mysql增刪改查實(shí)例分析
這篇文章主要介紹了Python使用pymsql模塊操作mysql增刪改查,結(jié)合實(shí)例形式分析了Python使用pymsql模塊針對(duì)mysql進(jìn)行增刪改查操作的相關(guān)實(shí)現(xiàn)方法與操作注意事項(xiàng),需要的朋友可以參考下2019-12-12

