1

我正在玩 Python 中的一个脚本，我想在其中找到许多相同尺寸图像的中位数。也就是说，我不想取位置 [x,y] 中的所有（红色、绿色和蓝色）像素，并用它们的中值构造一个新图像。

我当前的方法使用 Python PIL（成像库），但速度很慢！我非常想使用 OpenCV (cv2) 接口，因为它将每个图像直接加载为 numpy 数组。但是，在堆叠尺寸为 (2560,1920,3) 的 x 图像时，我不断收到错误的索引。有什么帮助吗？

我当前使用 PIL 的低效代码如下：

from PIL import Image, ImageChops,ImageDraw,ImageFilter,cv
import sys,glob,sys,math,shutil,time,os, errno,numpy,string
from os import *

inputs = ()
path = str(os.getcwd())
BGdummyy=0
os.chdir(path)
for files in glob.glob("*.png"):
    inputs = inputs + (str(str(files)),)
BGdummy=0
for file in inputs:
    BGdummy=BGdummy+1
    im = cv.LoadImage(file)
    cv.CvtColor( im, im, cv.CV_BGR2RGB )
    img = Image.fromstring("RGB", cv.GetSize(im), im.tostring())
    vars()["file"+str(BGdummy)] = img.load()
imgnew = Image.new("RGB", (2560,1920))
pixnew = imgnew.load()
for x in range(2560):
    for y in range(1920):
        R=[];G=[];B=[];
        for z in range(len(inputs)):
            R.append(vars()["file"+str(z+1)][x,y][0])
            G.append(vars()["file"+str(z+1)][x,y][1])
            B.append(vars()["file"+str(z+1)][x,y][2])
        R = sorted(R)
        G = sorted(G)
        B = sorted(B)
        mid = int(len(inputs)/2.)
        Rnew = R[mid]
        Gnew = G[mid]
        Bnew = B[mid]
        pixnew[x,y] = (Rnew,Gnew,Bnew)
    BGdummyy = BGdummyy+1
imgnew.save("NewBG.png")
4

1 回答 1

3

我将演示如何使用 5 个大小为 (3,3,3) 的小数组来做到这一点。

首先，我将创建 5 个数组，然后将它们保存在列表 X 中。在您的情况下，您将在此列表中保存 30 张图像。（我在一行中做）

X = [a,b,c,d,e] = [np.random.randint(0,255,(3,3,3)) for i in xrange(5)]

接下来，您将每个图像展平为一长单行。所以早些时候你的形象会像

[R1G1B1 R2G2B2 R3G3B3,
 R4G4B4 R5G5B5 R6G6B6,
 R7G7B7 R8G8B8 R9G9B9]

这将变为[R1 G1 B1 R2 G2 B2 R3 G3 B3......... R9 G9 B9]. 然后你将所有这些扁平化的图像堆叠起来形成一个大的二维数组。你看，在那个数组中，所有第一个红色像素都在第一列，依此类推。然后你可以简单地应用 np.median 。

Y = np.vstack((x.ravel() for x in X))

我把每张图片都拉起来并堆叠起来。在我的例子中，Y 是一个大小为 5x27 的数组（行 - 图像数，列 - 图像中的像素数）

现在我找到这个 Y 的中值并将其重塑为我们的原始图像形状：

Z = np.median(Y,axis = 0)
Z = np.uint8(Z.reshape(a.shape))

完毕。

为了确保它工作正常，让我们检查任意像素的值，比如Z[0,1,2]：

In [50]: G1 = [x[0,1,2] for x in X]

In [51]: G1
Out[51]: [225, 65, 26, 182, 51]

In [52]: Z[0,1,2]
Out[52]: 65.0

是的，数据是正确的。

于 2013-04-21T20:48:00.513 回答