python - 如何从 .las 文件的 16 位值中过滤颜色？

Question

我有一个 .las包含内容的文件，如下所示:

   array([( 860297,  472942, 67187, 11051, 73, 0, 0, 0, 1, 12079, 11051,  9252),
           ( 859318,  473132, 67336,  8995, 73, 0, 0, 0, 1,  9252,  8995,  9509),
           ( 859941,  473665, 67550, 12079, 73, 0, 0, 0, 1, 12079, 12850, 10023),
           ...,
           (1057593, 1184341, 75212, 19018, 73, 0, 0, 0, 1, 20303, 19275, 16191),
           (1057764, 1184161, 74734, 14906, 73, 0, 0, 0, 1, 15934, 14906, 13878),
           (1057548, 1184058, 74881, 26214, 73, 0, 0, 0, 1, 28784, 25957, 21074)],
          dtype=[('X', '<i4'), ('Y', '<i4'), ('Z', '<i4'), ('intensity', '<u2'), ('bit_fields', 'u1'),
                 ('raw_classification', 'u1'), ('scan_angle_rank', 'i1'), ('user_data', 'u1'),
                 ('point_source_id', '<u2'), ('red', '<u2'), ('green', '<u2'), ('blue', '<u2')])

正如我在 .las 文件中发现的那样，RGB 中的值以 16 位颜色存储。我写了 2 个函数 - 将颜色转换为 8 位:

opened_file = open("my.las") #example
colors = opened_file.points[["red", "green", 'blue']]
>>> array([(12079, 11051,  9252), (9252,  8995,  9509), (12079, 12850, 10023), ...])

def eightbitify(colour):
    return colour/256

接下来我尝试将颜色转换为 HSV ，所以我将有可能过滤特定的颜色:

def to_hsv(rgb: np.ndarray):
    empty_image = np.zeros((1, 1, 3), dtype=np.uint8)
    empty_image[0, 0] = list(reversed(rgb))
    hsv = cv2.cvtColor(empty_image, cv2.COLOR_RGB2HSV)
    return list(reversed(hsv[0, 0]))

我没有找到更好的解决方案，因为 OpenCV 需要图像 - 所以我正在为 1 个像素创建图像并将其转换(太丑了:/)。问题是我收到的值与任何互联网 RGB-HSV 计算器结果都不匹配。
我以这种方式使用这些功能:

def convert_color(rgb_16: np.ndarray)->np.ndarray:
    converted_color = np.array([int(eightbitify(rgb_16[0])), int(eightbitify(rgb_16[1])), int(eightbitify(rgb_16[2]))])
    converted_hsv = to_hsv(converted_color)
    return converted_hsv

for color in colors:
    converted = convert_color(color)

所以我的问题是:
1. 从我的 opened_file.points 将 RGB 值转换为 HSV 的最佳方法是什么？初始数组？
2. 如何从我的 opened_file.points 中过滤特定颜色只使用numpy？可能我可以将一些转换功能应用于 RGB 值等？
不幸的是，我对 numpy 的经验非常少，所以我需要帮助。谢谢!

Answer 1

我不熟悉您的图像类型，但希望可以在 Numpy 和 OpenCV 方面帮助您。

#!/usr/bin/env python3

import pylas
import cv2
import numpy as np

# Open file
las = pylas.read('W2.las')

# Extract all the red values into a Numpy array, likewise green and blue
R = las.points["red"]
G = las.points["green"]
B = las.points["blue"]

# Make a Numpy image by stacking the RGB values and converting to uint8
BGR = (np.dstack((B,G,R))>>8).astype(np.uint8)

# Convert to HSV
HSV = cv2.cvtColor(BGR, cv2.COLOR_BGR2HSV)

# Define lower and uppper limits of what we call "green"
range_lo = np.array([70,30,30])
range_hi = np.array([90,255,255])

# Mask image to only select greens
mask = cv.inRange(HSV,range_lo,range_hi)

# Change image to red where we found green
image[mask>0]=(0,0,255)

cv.imwrite("result.png",image)

目前，我不知道图像的形状，所以它是一条 4400 万像素的长线，但它只需要一个 reshape()使其正确。请注意， mask 中的每个 True/False 值将成为您的像素列表的索引，并指示该像素是否为绿色。

您可能必须使用 range 的下限值和上限值。参数 - 见我的回答 here .

Stack Overflow 用户@nathancy 用 slider 制作了一个相当简洁的 HSV 颜色选择器 here .