Быстрое пороговое значение RGB в Python (возможно, какой-нибудь умный код OpenCV?)

Мне нужно сделать быструю пороговую обработку большого количества изображений с определенным диапазоном для каждого из каналов RGB, т.е. удалить (сделать черными) все значения R, отличные от [100;110], все значения G, отличные от [80; 85] и все значения B, не входящие в [120;140]

Использование привязок python к OpenCV дает мне быстрое пороговое значение, но оно ограничивает все три канала RGP одним значением:

cv.Threshold(cv_im,cv_im,threshold+5, 100,cv.CV_THRESH_TOZERO_INV)
cv.Threshold(cv_im,cv_im,threshold-5, 100,cv.CV_THRESH_TOZERO)

В качестве альтернативы я попытался сделать это вручную, преобразовав изображение из PIL в numpy:

arr=np.array(np.asarray(Image.open(filename).convert('RGB')).astype('float'))
for x in range(img.size[1]):
    for y in range(img.size[0]):
        bla = 0
        for j in range(3):
            if arr[x,y][j] > threshold2[j] - 5 and arr[x,y][j] < threshold2[j] + 5 :
                bla += 1
        if bla == 3:
            arr[x,y][0] = arr[x,y][1] = arr[x,y][2] = 200
        else:
            arr[x,y][0] = arr[x,y][1] = arr[x,y][2] = 0

Хотя это работает как задумано, это ужасно медленно!

Любые идеи относительно того, как я могу получить быструю реализацию этого?

Заранее большое спасибо, Бьярке.


python opencv rgb threshold
person Happy    schedule 11.10.2011    source источник

Ответы (4)


arrow_upward
5
arrow_downward

Я думаю, что метод opencv inRange то, что вас интересует. Это позволит вам установить несколько порогов одновременно.

Итак, в вашем примере вы бы использовали

# Remember -> OpenCV stores things in BGR order
lowerBound = cv.Scalar(120, 80, 100);
upperBound = cv.Scalar(140, 85, 110);

# this gives you the mask for those in the ranges you specified,
# but you want the inverse, so we'll add bitwise_not...
cv.InRange(cv_im, lowerBound, upperBound, cv_rgb_thresh);
cv.Not(cv_rgb_thresh, cv_rgb_thresh);

Надеюсь, это поможет!

person mevatron    schedule 11.10.2011

arrow_upward
5
arrow_downward

Вы можете сделать это с помощью numpy намного быстрее, если не используете циклы.

Вот что я придумал:

def better_way():
    img = Image.open("rainbow.jpg").convert('RGB')
    arr = np.array(np.asarray(img))

    R = [(90,130),(60,150),(50,210)]
    red_range = np.logical_and(R[0][0] < arr[:,:,0], arr[:,:,0] < R[0][1])
    green_range = np.logical_and(R[1][0] < arr[:,:,0], arr[:,:,0] < R[1][1])
    blue_range = np.logical_and(R[2][0] < arr[:,:,0], arr[:,:,0] < R[2][1])
    valid_range = np.logical_and(red_range, green_range, blue_range)

    arr[valid_range] = 200
    arr[np.logical_not(valid_range)] = 0

    outim = Image.fromarray(arr)
    outim.save("rainbowout.jpg")


import timeit
t = timeit.Timer("your_way()", "from __main__ import your_way")
print t.timeit(number=1)

t = timeit.Timer("better_way()", "from __main__ import better_way")
print t.timeit(number=1)

Пропущенная функция your_way была слегка измененной версией вашего кода выше. Этот способ работает намного быстрее:

$ python pyrgbrange.py 
10.8999910355
0.0717720985413

Это 10,9 секунды против 0,07 секунды.

person jterrace    schedule 11.10.2011
comment
Почему он становится таким медленным при использовании циклов? - person Happy; 11.10.2011
comment
Потому что python медленный в циклах. См. wiki.python.org/moin/PythonSpeed/PerformanceTips#Loops. - person jterrace; 12.10.2011

arrow_upward
2
arrow_downward

Функция PIL point принимает таблицу из 256 значений для каждой полосы изображение и использует его в качестве таблицы сопоставления. Это должно быть довольно быстро. Вот как вы могли бы применить его в этом случае:

def mask(low, high):
    return [x if low <= x <= high else 0 for x in range(0, 256)]

img = img.point(mask(100,110)+mask(80,85)+mask(120,140))

Редактировать: Вышеприведенное не дает того же результата, что и ваш пример numpy; Я следовал описанию, а не коду. Вот обновление:

def mask(low, high):
    return [255 if low <= x <= high else 0 for x in range(0, 256)]

img = img.point(mask(100,110)+mask(80,85)+mask(120,140)).convert('L').point([0]*255+[200]).convert('RGB')

Это выполняет несколько преобразований изображения, создавая копии в процессе, но все же это должно быть быстрее, чем работа с отдельными пикселями.

person Mark Ransom    schedule 11.10.2011

arrow_upward
0
arrow_downward

Если вы придерживаетесь использования OpenCV, то сначала просто cv.Split изображение на несколько каналов, а затем cv.Threshold каждый канал по отдельности. Я бы использовал что-то вроде этого (непроверенный):

# Temporary images for each color channel
b = cv.CreateImage(cv.GetSize(orig), orig.depth, 1)
g = cv.CloneImage(b)
r = cv.CloneImage(b)
cv.Split(orig, b, g, r, None)

# Threshold each channel using individual lo and hi thresholds
channels = [ b, g, r ]
thresh = [ (B_LO, B_HI), (G_LO, G_HI), (R_LO, R_HI) ]
for c, (lo, hi) in zip(channels, thresh):
    cv.Threshold(ch, ch, hi, 100, cv.CV_THRESH_TOZERO_INV)
    cv.Threshold(ch, ch, lo, 100, cv.CV_THRESH_TOZERO)

# Compose a new RGB image from the thresholded channels (if you need it)
dst = cv.CloneImage(orig)
cv.Merge(b, g, r, None, dst)

Если ваши изображения имеют одинаковый размер, вы можете повторно использовать созданные изображения, чтобы сэкономить время.

person mpenkov    schedule 11.10.2011