Python 3 : I am trying to find find all green pixels in an image by traversing all pixels using an np. 数组，但无法解决索引错误

Question

我的代码目前包含加载图像，这是成功的，我认为与问题无关。

然后我继续将彩色图像转换为名为 rgb 的 np.array

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

仔细检查我对这个数组的理解，如果这可能是问题的根源，它是一个数组，这样 rgb[x-coordinate, y-coordinate, color band] 的值在 0-255 之间红色、绿色或蓝色。

然后，我的想法是做一个嵌套的for循环来遍历我图像的所有像素(620px，400px)并根据绿色与蓝色和红色的比例对它们进行排序，以试图挑出较绿色的像素并设置所有其他人为黑色或 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]

我在尝试运行时收到的错误如下:

IndexError:索引 400 超出尺寸为 400 的轴 0 的范围

我认为这可能与我给 i 和 j 的边界有关，所以我尝试只对图像的一小部分进行排序，但仍然遇到相同的错误。在这一点上，我什至不知道错误的根源是什么，更不用说解决方案了。

Answer 1

在直接回答您的问题时，y 轴在 numpy 数组中首先给出，然后是 x 轴，因此请交换您的指数。

---

不那么直接，您会发现 for 循环在 Python 中非常慢，您通常最好改用 numpy 向量化操作。此外，您通常会发现在 HSV colourspace 中更容易找到绿色阴影。 .

让我们从 HSL 色轮开始:

假设你想把所有的绿色变成黑色。所以，从那个维基百科页面，对应于绿色的色相是 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')

给出:

---

这是一个稍微改进的版本，它保留了 alpha/透明度，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')

关键词:图像处理、PIL、Pillow、色调饱和度值、HSV、HSL、颜色范围、颜色范围、范围、素数。