1

我以两种方式实现了 Python 图像库图像的平均 RGB 值的计算:

1 - 使用列表

def getAverageRGB(image):
  """
  Given PIL Image, return average value of color as (r, g, b)
  """
  # no. of pixels in image
  npixels = image.size[0]*image.size[1]
  # get colors as [(cnt1, (r1, g1, b1)), ...]
  cols = image.getcolors(npixels)
  # get [(c1*r1, c1*g1, c1*g2),...]
  sumRGB = [(x[0]*x[1][0], x[0]*x[1][1], x[0]*x[1][2]) for x in cols] 
  # calculate (sum(ci*ri)/np, sum(ci*gi)/np, sum(ci*bi)/np)
  # the zip gives us [(c1*r1, c2*r2, ..), (c1*g1, c1*g2,...)...]
  avg = tuple([sum(x)/npixels for x in zip(*sumRGB)])
  return avg

2 - 使用 numpy

def getAverageRGBN(image):
  """
  Given PIL Image, return average value of color as (r, g, b)
  """
  # get image as numpy array
  im = np.array(image)
  # get shape
  w,h,d = im.shape
  # change shape
  im.shape = (w*h, d)
  # get average
  return tuple(np.average(im, axis=0))

我惊讶地发现 #1 的运行速度比 #2 快 20%。

我正确使用 numpy 吗?有没有更好的方法来实现平均计算?

4

3 回答 3

2

确实令人惊讶。

您可能想使用:

tuple(im.mean(axis=0))

计算你的平均值(r,g,b),但我怀疑它会改善很多。您是否尝试过剖析getAverageRGBN并找到瓶颈?

于 2012-10-03T08:27:42.487 回答
0

没有改变尺寸或写 getAverageRGBN 的单行:

np.array(image).mean(axis=(0,1))

同样,它可能不会提高任何性能。

于 2016-10-04T20:18:19.070 回答
0

在 PIL 或 Pillow 中,在 Python 3.4+ 中:

from statistics import mean
average_color = [mean(image.getdata(band)) for band in range(3)]
于 2017-12-14T05:23:11.033 回答