问Python3:我试图通过使用np.array遍历所有像素来查找图像中的所有绿色像素，但无法避免索引错误。
EN

Stack Overflow用户

提问于 2018-09-04 23:48:20

回答 1查看 6.4K关注 0票数 4

我的代码目前包括加载映像，这是成功的，我不认为与问题有任何联系。

然后，我继续将彩色图像转换为一个名为rgb的np.array。

    # convert image into array
    rgb = np.array(img)
    red = rgb[:,:,0]
    green = rgb[:,:,1]
    blue = rgb[:,:,2]

为了再次检查我对这个数组的理解，万一这可能是问题的根源，它是一个数组，它的rgbx-坐标，y-坐标，颜色带，它的值在0-255之间，无论是红色，绿色还是蓝色。

然后，我的想法是做一个嵌套的for循环，遍历图像的所有像素(620 in，400 in)，并根据绿色与蓝色和红色的比例对它们进行排序，试图选择更绿色的像素，并将所有其他像素设置为黑色或0。

for i in range(xsize):
for j in range(ysize):
    color = rgb[i,j]  <-- Index error occurs here
    if(color[0] > 128):
        if(color[1] < 128):
            if(color[2] > 128):
                rgb[i,j] = [0,0,0]

我在尝试运行时所收到的错误如下所示：

IndexError:对于尺寸为400的0轴，索引400超出了界限

我认为这可能与我给i和j的界有关，所以我只试着对图像的一小部分内部进行排序，但仍然得到了相同的错误。在这一点上，我不知道什么甚至是错误的根源，更不用说解决方案了。

python

arrays

image

rgb

回答 1

Stack Overflow用户

发布于 2018-09-05 03:09:00

为了直接回答您的问题，首先在y数组中给出numpy轴，然后给出x轴，因此交换索引。

更直接地说，您会发现for循环在Python中非常慢，您通常最好使用numpy矢量化操作。另外，您还会发现在HSV色彩空间中更容易找到绿色的阴影。

让我们从HSL色轮开始：

假设你想把所有的绿色变成黑色。因此，在维基百科页面中，绿色对应的颜色是120度，这意味着你可以这样做：

#!/usr/local/bin/python3
import numpy as np
from PIL import Image

# Open image and make RGB and HSV versions
RGBim = Image.open("image.png").convert('RGB')
HSVim = RGBim.convert('HSV')

# Make numpy versions
RGBna = np.array(RGBim)
HSVna = np.array(HSVim)

# Extract Hue
H = HSVna[:,:,0]

# Find all green pixels, i.e. where 100 < Hue < 140
lo,hi = 100,140
# Rescale to 0-255, rather than 0-360 because we are using uint8
lo = int((lo * 255) / 360)
hi = int((hi * 255) / 360)
green = np.where((H>lo) & (H<hi))

# Make all green pixels black in original image
RGBna[green] = [0,0,0]

count = green[0].size
print("Pixels matched: {}".format(count))
Image.fromarray(RGBna).save('result.png')

这意味着：

下面是一个稍微改进的版本，它保留alpha/透明性，并匹配红色像素以获得额外的乐趣：

#!/usr/local/bin/python3
import numpy as np
from PIL import Image

# Open image and make RGB and HSV versions
im = Image.open("image.png")

# Save Alpha if present, then remove
if 'A' in im.getbands():
    savedAlpha = im.getchannel('A')
    im = im.convert('RGB')

# Make HSV version
HSVim = im.convert('HSV')

# Make numpy versions
RGBna = np.array(im)
HSVna = np.array(HSVim)

# Extract Hue
H = HSVna[:,:,0]

# Find all red pixels, i.e. where 340 < Hue < 20
lo,hi =  340,20
# Rescale to 0-255, rather than 0-360 because we are using uint8
lo = int((lo * 255) / 360)
hi = int((hi * 255) / 360)
red = np.where((H>lo) | (H<hi))

# Make all red pixels black in original image
RGBna[red] = [0,0,0]

count = red[0].size
print("Pixels matched: {}".format(count))

result=Image.fromarray(RGBna)

# Replace Alpha if originally present
if savedAlpha is not None:
    result.putalpha(savedAlpha)

result.save('result.png')