我正在用 Python 开发一个项目,该项目要求我能够获取整个图像的像素值,以衡量它们的相似性(这是一个图像分割项目)。我正在使用 PIL Image 模块(以及 Anaconda 中的所有其他包)。
我们的大部分算法都相当成熟,但我会回到这个问题,因为截至目前它只能处理灰度图像。目前是这样做的:
self.dataImage = Image.open(self.file, mode = 'r')
self.data = self.dataImage.getdata()
我稍后检查它
print("data: {}".format(list(data.GetImageData())))
这将返回对应于图像每个像素强度的整数序列。我想做一个简单的修改以允许是否也接受 RGB 图像,通过使序列中的每个项目成为一个数组而不是单个整数,这样它就能够支持具有任意数量像素分量的图像(例如 3 ,对于 RGB)。
是否有一种简单的方法可以通过 PIL Image 模块来完成此操作?我查看了文档和 StackOverflow 上的此处,这是我能找到的最好的:
self.allPixels = self.dataImage.load()
self.data = []
for i in range(self.width):
for j in range(self.height):
currentPixel = self.allPixels[i,j]
self.data.append(currentPixel)
print("data: {}".format(data.GetImageData()))
这应该以 (255,255,255)(例如)的形式为每个像素返回数据。查看灰度图像时它的输出应该是什么?因为我描述的第一种方法和第二种方法的输出完全不同。
第一个(使用 getData())给出
data: [0, 0, 4, 4, 3, 3, 2, 0, 3, 0, 0, 2, 5, 1, 0, 0, 5, 6, 6, 2, 0, 0, 2, 7, 8 ....
第二个(使用 load() 和上面的循环)给出
data: [0, 4, 1, 0, 12, 9, 0, 4, 0, 12, 0, 19, 123, 167, 149, 156, 159, 158, 170, 113 ....
它给我的是 RGB 分量的平均值吗?如果没有RGB分量,它如何判断这是一张灰度图?
除此之外,还有更好的方法吗?理想情况下,我想要的东西与灰度图像的 getData() 具有相同的输出,但可以支持任意数量的像素分量。我知道我可以通过遍历每个像素并将它们作为单独的数组输入来简单地做到这一点,但是对于大图像来说这将变得非常耗时和内存,不是吗?
非常感谢任何建议。如果有人想知道,我需要支持大量像素组件的原因是因为这是为了应用从我们实验室的 X 射线显微镜收集的数据而编写的。虽然 RGB 具有三个 channel ,但我们在单个图像中可能有超过 20 个 channel ,每个 channel 对应于元素成分而不是颜色(铁、钾、锌、钙等)。
请您参考如下方法:
numpy(anaconda 的一部分)可以使用 asarray 从 PIL 图像加载像素数据
In [1]: from PIL import Image
In [2]: import numpy as np
In [3]: x = Image.open("/tmp/kitten.jpg")
In [4]: np.asarray(x)
Out[4]:
array([[[ 1, 2, 23],
..., dtype=uint8)
你会得到一个三维数组,前两个维度是图像中像素的位置,第三个维度是图像中像素的值,无论图片采用何种颜色格式。这个还具有比 getdata 快得多的优势。
