1

我想生成作为阈值的输出。我的错误：

img_thres = n_pix[y, x]
TypeError: 'int' object is not subscriptable

import cv2
import numpy as np
import matplotlib as plt

img = cv2.imread("cicek.png",0)
img_rgb = cv2.imread("cicek.png")

h = img.shape[0]
w = img.shape[1]

img_thres= []
n_pix = 0
# loop over the image, pixel by pixel
for y in range(0, h):
    for x in range(0, w):
        # threshold the pixel
        pixel = img[y, x]
        if pixel < 0.5:
            n_pix = 0
        img_thres = n_pix[y, x]

cv2.imshow("cicek", img_thres)
4

3 回答 3

4

由于您已经在使用OpenCV，因此您也可以使用其优化的 SIMD 代码来进行阈值处理。它不仅更短、更易于维护，而且速度也更快。它看起来像这样：

_, thres = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)

对，就是那样！这将替换您的所有代码。

基准测试和演示

从其他答案中大量借鉴，我整理了：

  • 使用双for循环的方法，
  • 一个 Numpy 方法，以及
  • 我建议的 OpenCV 方法

并在IPython中运行了一些计时测试。所以，我将此代码保存为thresh.py

#!/usr/bin/env python3

import cv2
import numpy as np

def method1(img):
    """Double loop over pixels"""
    h = img.shape[0]
    w = img.shape[1]

    img_thres= np.zeros((h,w))
    # loop over the image, pixel by pixel
    for y in range(0, h):
        for x in range(0, w):
            # threshold the pixel
            pixel = img[y, x]
            img_thres[y, x] = 0 if pixel < 128 else pixel
    return img_thres

def method2(img):
    """Numpy indexing"""
    img_thres = img
    img_thres[ img < 128 ] = 0
    return img_thres

def method3(img):
    """OpenCV thresholding"""
    _, thres = cv2.threshold(img,127,255,cv2.THRESH_TOZERO)
    return thres

img = cv2.imread("gradient.png",cv2.IMREAD_GRAYSCALE)

然后，我启动了IPython并做了：

%load thresh.py

然后，我对这三种方法进行了计时：

%timeit method1(img)
81 ms ± 545 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit method2(img)
24.5 µs ± 818 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

%timeit method3(img)
3.03 µs ± 79.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

请注意，第一个结果以毫秒为单位，而其他两个结果以微秒为单位。Numpy 版本比 for 循环快 3,300 倍，OpenCV 版本快 27,000 倍！！！

您可以通过汇总图像中的差异来检查它们是否产生相同的结果，如下所示：

np.sum(method1(img)-method3(img))
0.0

开始图片：

在此处输入图像描述

结果图片：

在此处输入图像描述

于 2018-12-11T10:27:08.483 回答
1

尝试这个

import cv2
import numpy as np
import matplotlib as plt

img = cv2.imread("cicek.png",0)
img_rgb = cv2.imread("cicek.png")

h = img.shape[0]
w = img.shape[1]

img_thres= np.zeros((h,w))
n_pix = 0
# loop over the image, pixel by pixel
for y in range(0, h):
    for x in range(0, w):
        # threshold the pixel
        pixel = img[y, x]
        if pixel < 128: # because pixel value will be between 0-255.
            n_pix = 0
        else:
            n_pix = pixel

        img_thres[y, x] = n_pix 

cv2.imshow("cicek", img_thres)
于 2018-12-11T02:55:37.717 回答
1

要将阈值应用于图像，只需执行以下操作：

img_thres = img >= 0.5

您不需要任何循环来进行阈值处理。

如果从您的代码看来，您不想设置阈值，而是将值低于 0.5 的所有像素设置为 0，则可以使用“逻辑索引”阈值产生的二进制图像，如下所示：

img_thres = img
img_thres[ img < 0.5 ] = 0

使用 NumPy 矢量化操作的代码总是比显式循环遍历每个数组元素的代码更有效。

于 2018-12-10T21:08:43.400 回答