如何裁剪每像素 8 位颜色的 png 图像并在 python 中保存颜色

Question

我有一个要裁剪的 png 图像，删除顶部和底部的空白区域。

我使用以下代码： 从 PIL 导入图像 对于 pa_files 中的 f： 图片=f im = 图片.open(img) 宽度，高度 = im.size 像素 = 列表（im.getdata（）） pixels = [pixels[i * width:(i + 1) * width] for i in range(height)]

    white_lines = 0
    for line in pixels:
        white_count = sum([sum(x) for x in line]) - im.width * 255*4
        if (white_count) == 0:
            white_lines += 1
        else:
            break

    crop_from_top = white_lines

    pixels.reverse()

    white_lines = 0
    for line in pixels:
        white_count = sum([sum(x) for x in line]) - im.width * 255*4
        if (white_count) == 0:
            white_lines += 1
            #print(white_count)
        else:
            break

    crop_from_bottom = white_lines

    crop_from_bottom, crop_from_top, im.size

    # Setting the points for cropped image
    left = 0
    top = crop_from_top - 5
    right = im.width
    bottom = im.height - (crop_from_bottom- 5)

    im1 = im.crop((left, top, right, bottom))

    im1.save(img)

这适用于 32 位 png

但现在我遇到了一个 8 位 png，并尝试运行相同的脚本，但遇到了这个错误：

TypeError: 'int' object is not iterable

进一步看，我看到每个像素由 0:255 表示

我们看到像素值 153 出现了 2m 次。

我使用以下内容进行裁剪：

im = Image.open(f).convert('L')
im = im.crop((x1, y1, x2, y2))
im.save('_0.png')

成功，但随后我的图像返回灰度。

前：

后：

它从蓝色变为灰度。

如何动态裁剪 8 位类型图像的边距，并再次以彩色保存？

Answer 1

问题是你必须考虑许多不同的情况。

• 8 位 R、G、B、A 图像（这显然是你最初拥有的）
• 8 位 R、G、B 图像
• 8 位灰度级
• 8 位索引图像

对于 8 位灰度级，像素不是 4-uplets (R,G,B,A) 而是数字。因此，sum(x) 应替换为 x。然后你可以期望它值 255，而不是 255*4 白色（但这也不是确定的。也有一些 'MINISWHITE' 格式。因为我没有例子，而且对 PIL 不是很熟悉（你显然正在使用），不能确定 PIL 是否会使它透明（我的意思是，如果它会在加载时转换它）。

例如在你的代码的第一部分

    white_lines = 0
    for line in pixels:
        white_count = sum([x for x in line]) - im.width * 255
        if (white_count) == 0:
            white_lines += 1
        else:
            break

对于 R、G、B 图像，您的代码就可以了，但是当总和为 255*4 时，白色不是，而是 255*3。

您的第二个示例是索引图像。所以 8 位，但无论如何都是颜色。 通过将其转换为“L”，即灰度级，您得到了您所抱怨的。

因此，这里的简单答案是建议您将所有内容转换为RGB 或RGBA，然后使用您的代码。

for f in pa_files:
    img = f
    im = Image.open(img)
    width, height = im.size
    pixels = list(im.convert('RGBA').getdata())
    pixels = [pixels[i * width:(i + 1) * width] for i in range(height)]
# Rest of code unchanged
    im1 = im.crop((left, top, right, bottom))

    im1.save(img)

转换不会影响图像（它不会转换一个愚蠢的 RGBA 图像中的灰度图像，其所有 R=G=B，浪费空间），因为转换只是为了获得用于计算作物面积的像素阵列，并对未转换的原始图像进行裁剪。

我无法抗拒建议您不惜一切代价避免遍历像素的冲动。

您可以获取数据的 numpy 数组视图，而不是创建 python 列表（您必须自己重塑）。

import numpy as np
arr=np.asarray(im.convert('RGB'))

然后，检查一行i是否为白色

LineIisWhite=(arr[i]==255).all()

(arr[i]==255) 是一个布尔值数组，与你的线的形状相同，也就是说，这里是 W×3，那里是 True，那里是 255，其他地方是 False。

(arr[i]==255).all() 是一个布尔值，表示先前数组中的所有布尔值是否为真。所以如果线是白色的。

那仍然无法避免对行的迭代。但我们可以做得更好。

将 all 限制到最后 2 个轴（W 和 3），通过添加 axis=(1,2) 并应用于整个图像，我们得到一个 H 布尔值数组，如果每行中所有 W×3 布尔值都为真，则它们为真。

whitelines=(arr==255).all(axis=(1,2))

在我构建的示例图像中，结果是

array([ True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False, False, False,
       False, False, False, False, False, False, False,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True])

然后，不需要遍历这个布尔数组来计算开头或结尾的True的数量

crop_from_top = np.argmin(whitelines)
crop_from_bottom = np.argmin(whitelines[::-1])

所以，一共

import numpy as np
for f in pa_files:
    img = f
    im = Image.open(img)
    width, height = im.size
    arr = np.asarray(im.convert('RGB'))
    whitelines=(arr==255).all(axis=(1,2))
    crop_from_top = np.argmin(whitelines)
    crop_from_bottom = np.argmin(whitelines[::-1])

    # Setting the points for cropped image
    left = 0
    top = crop_from_top - 5
    right = im.width
    bottom = im.height - (crop_from_bottom- 5)

    im1 = im.crop((left, top, right, bottom))

    im1.save(img)

最后一点：由于索引必须近似颜色，甚至由于 JPEG 编码，白色像素可能不是纯白色。

因此，您可能希望将 arr==255 更改为 arr>=250 或类似的内容。

请注意，这里的 numpy 数组是只读的。我们只用它来计算要裁剪多少行。