python - 如何对 python 图像(使用 numpy、opencv 或 PIL)的每个 PIXEL(不是每个 rgb 组件!)应用操作？

Question

我试图以一种有效的方式对图像的所有像素应用一个函数(在我的特定情况下，我想对每个像素进行一些颜色近似，但我认为这与问题无关)。问题是我找到了不同的方法来做到这一点，但它们都对像素的每个组件应用一个函数，而我想要做的是应用一个函数，接收一个像素(不是像素分量)，这是 3 个 rgb 分量(我猜是一个元组，但我不关心格式，只要我将 3 个分量作为函数中的参数).

如果您对我所拥有的感兴趣，这是对我的问题的非有效解决方案(工作正常但速度太慢):

def closest_colour(pixel, colours):
    closest_colours = sorted(colours, key=lambda colour: colours_distance(colour, pixel))
    return closest_colours[0]

# reduces the colours of the image based on the results of KMean
# img is image open with opencv.imread()
# colours is an array of colours
def image_color_reduction(img, colours):
    start = time.time()
    print("Color reduction...")
    reduced_img = img.copy()[...,::-1]
    width = reduced_img.shape[0]
    height = reduced_img.shape[1]
    
    for x in range(width):
        for y in range(height):
            reduced_img[x,y] = closest_colour(reduced_img[x,y], colours)
    
    end = time.time()
    print(f"Successfully reduced in {end-start} seconds")
    return reduced_img

我关注了这篇文章:PIL - apply the same operation to every pixel这似乎很清楚并且与我的问题一致。我尝试过使用任何类型的图像格式，我尝试过多线程(都使用 pool.map 和 pool.imap)，我尝试过 numpy.apply_along_axis，最后我尝试了 PIL.point()，我认为是与我正在寻找的最相似的解决方案。事实上，如果你看一下他们的官方文档:.point() ，它确切地说:为每个可能的像素值调用一次该函数。我发现这确实具有误导性，因为在尝试之后我意识到在此上下文中的像素值 不是指 rgb 元组，而是指 3 个 rgb 组件中的每一个(说真的，在什么世界？)。

如果有人可以分享一些他们的经验并让我对这个问题有所了解，我将不胜感激。提前致谢!!

(更新)

根据您的要求，我添加了有关我正在处理的具体问题的更多信息:

Given

• an image M of size 1022*1080
• an array of colours N with size 1 < |N| < 16

Reduce the colours of M by replacing each pixel's colour by the mostsimilar one in N (thanks to your answers I know this is defined asNearest Neighbor Color Quantization)

这是 colours_distance 的缺失实现:

def colours_distance(c1, c2):
    (r1,g1,b1) = c1
    (r2,g2,b2) = c2
    return math.sqrt((r1 - r2)**2 + (g1 - g2) ** 2 + (b1 - b2) **2)

这是运行此代码所需的导入:

import cv2
import time
import math

我的问题中显示的解决方案平均在不到 40 秒的时间内解决了描述的问题。

Answer 1

假设您的图像是一个 (M, N, 3) numpy 数组，您的颜色表是 (K, 3)，并且您将颜色距离测量为一些理智的向量范数，你可以使用 scipy 的 cKDTree (或只是 KDTree )为您优化和矢量化查找。

首先用你的颜色表做一棵树:

colors = ... # K, 3 array
color_tree = cKDTree(colors)

现在您可以 query树直接得到输出图像:

_, output = color_tree.query(img)

output 将是 (M, N) 索引数组到 color_table 中。重要的是 KD 树被优化为每个像素执行 O(log K) 查找，而不是 O(K) 或 O(K log K) 与您当前的实现一样。由于循环是用 C 语言实现的，因此您也会从中得到很大的提升。