4

RGBチャンネルごとに特定の範囲で、大量の画像の高速しきい値処理を行う必要があります。つまり、[100; 110]にないすべてのR値、[80;にないすべてのG値を削除（黒にする）します。 85]および[120;140]にないすべてのB値

OpenCVへのPythonバインディングを使用すると、高速のしきい値処理が可能になりますが、3つのRGPチャネルすべてが単一の値にしきい値処理されます。

cv.Threshold(cv_im,cv_im,threshold+5, 100,cv.CV_THRESH_TOZERO_INV)
cv.Threshold(cv_im,cv_im,threshold-5, 100,cv.CV_THRESH_TOZERO)

または、画像をPILからnumpyに変換して手動で実行しようとしました。

arr=np.array(np.asarray(Image.open(filename).convert('RGB')).astype('float'))
for x in range(img.size[1]):
    for y in range(img.size[0]):
        bla = 0
        for j in range(3):
            if arr[x,y][j] > threshold2[j] - 5 and arr[x,y][j] < threshold2[j] + 5 :
                bla += 1
        if bla == 3:
            arr[x,y][0] = arr[x,y][1] = arr[x,y][2] = 200
        else:
            arr[x,y][0] = arr[x,y][1] = arr[x,y][2] = 0

これは意図したとおりに機能しますが、ひどく遅いです！

これをすばやく実装する方法について何かアイデアはありますか？

よろしくお願いします、ビャルケ

4

4 に答える 4

6

inRangeopencvメソッドはあなたが興味を持っているものだと思います。それはあなたが同時に複数のしきい値を設定することを可能にします。

したがって、あなたの例では、

# Remember -> OpenCV stores things in BGR order
lowerBound = cv.Scalar(120, 80, 100);
upperBound = cv.Scalar(140, 85, 110);

# this gives you the mask for those in the ranges you specified,
# but you want the inverse, so we'll add bitwise_not...
cv.InRange(cv_im, lowerBound, upperBound, cv_rgb_thresh);
cv.Not(cv_rgb_thresh, cv_rgb_thresh);

お役に立てば幸いです。

于 2011-10-11T13:12:48.407 に答える
6

ループを使用しない場合は、numpyを使用してはるかに高速に実行できます。

これが私が思いついたものです：

def better_way():
    img = Image.open("rainbow.jpg").convert('RGB')
    arr = np.array(np.asarray(img))

    R = [(90,130),(60,150),(50,210)]
    red_range = np.logical_and(R[0][0] < arr[:,:,0], arr[:,:,0] < R[0][1])
    green_range = np.logical_and(R[1][0] < arr[:,:,0], arr[:,:,0] < R[1][1])
    blue_range = np.logical_and(R[2][0] < arr[:,:,0], arr[:,:,0] < R[2][1])
    valid_range = np.logical_and(red_range, green_range, blue_range)

    arr[valid_range] = 200
    arr[np.logical_not(valid_range)] = 0

    outim = Image.fromarray(arr)
    outim.save("rainbowout.jpg")


import timeit
t = timeit.Timer("your_way()", "from __main__ import your_way")
print t.timeit(number=1)

t = timeit.Timer("better_way()", "from __main__ import better_way")
print t.timeit(number=1)

省略されyour_wayた関数は、上記のコードを少し変更したものです。この方法ははるかに高速に実行されます。

$ python pyrgbrange.py 
10.8999910355
0.0717720985413

これは10.9秒対0.07秒です。

于 2011-10-11T18:07:28.567 に答える
2

PILポイント関数は、画像の各バンドに対して256の値のテーブルを取得し、それをマッピングテーブルとして使用します。かなり速いはずです。この場合の適用方法は次のとおりです。

def mask(low, high):
    return [x if low <= x <= high else 0 for x in range(0, 256)]

img = img.point(mask(100,110)+mask(80,85)+mask(120,140))

編集：上記は、numpyの例と同じ出力を生成しません。コードではなく説明に従いました。更新は次のとおりです。

def mask(low, high):
    return [255 if low <= x <= high else 0 for x in range(0, 256)]

img = img.point(mask(100,110)+mask(80,85)+mask(120,140)).convert('L').point([0]*255+[200]).convert('RGB')

これにより、画像に対していくつかの変換が行われ、その過程でコピーが作成されますが、それでも個々のピクセルで操作するよりも高速である必要があります。

于 2011-10-11T13:37:29.523 に答える
0

OpenCVの使用に固執する場合は、cv.Split最初に画像を複数のチャネルに入れ、次にcv.Threshold各チャネルに個別に入れます。私はこのようなものを使用します（テストされていません）：

# Temporary images for each color channel
b = cv.CreateImage(cv.GetSize(orig), orig.depth, 1)
g = cv.CloneImage(b)
r = cv.CloneImage(b)
cv.Split(orig, b, g, r, None)

# Threshold each channel using individual lo and hi thresholds
channels = [ b, g, r ]
thresh = [ (B_LO, B_HI), (G_LO, G_HI), (R_LO, R_HI) ]
for c, (lo, hi) in zip(channels, thresh):
    cv.Threshold(ch, ch, hi, 100, cv.CV_THRESH_TOZERO_INV)
    cv.Threshold(ch, ch, lo, 100, cv.CV_THRESH_TOZERO)

# Compose a new RGB image from the thresholded channels (if you need it)
dst = cv.CloneImage(orig)
cv.Merge(b, g, r, None, dst)

画像がすべて同じサイズの場合は、作成した画像を再利用して時間を節約できます。

于 2011-10-11T15:22:02.877 に答える