如何使用 numpy 将 R、G、B 值提取到单独的数组中答案

【问题标题】：How to extract R,G,B values with numpy into seperate arrays如何使用 numpy 将 R、G、B 值提取到单独的数组中
【发布时间】：2017-05-20 22:00:57
【问题描述】：

假设我有一个尺寸为 (1920, 1080, 3) 的图像，我想将 R、G、B 值提取到单独的数组 R , G, B 中。我试着这样做

for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            B = np.append(B, image[i, j][0])
            G = np.append(G, image[i, j][1])
            R = np.append(R, image[i, j][2])

但正如预期的那样，这很慢，我该如何使用内置函数中的 numpy 来做到这一点？

【问题讨论】：

这是基本索引：B = image[:,:,0]; G = image[:,:,1]; R = image[:,:,2]。查看几乎所有 numpy 教程。
或者只是滚动你的轴，然后取简单的切片 ...rolled = np.rollaxis(rgb,-1) ... r = rolling[0], g = rolling[1], b =滚动[2]
我建议你在你的vs代码中安装这个扩展——marketplace.visualstudio.com/…它直接为你提供了这样的sn-ps。

标签： python image opencv numpy

【解决方案1】：

如果你希望它以OpenCV 的方式使用，那么你可以使用cv2.split()，记住你的图像通道：

b, g, r    = cv2.split(image) # For BGR image
b, g, r, a = cv2.split(image) # for BGRA image

或者，如果您喜欢直接的 numpy 格式，那么您可以直接使用 [根据 @igaurav 的 cmets 似乎更有效]

b, g, r    = image[:, :, 0], image[:, :, 1], image[:, :, 2] # For RGB image
b, g, r, a = image[:, :, 0], image[:, :, 1], image[:, :, 2], image[:, :, 3] # for BGRA image

您可以使用np.shape[2] 来检查给定图像中的通道数。

【讨论】：

来自 OpenCV 网站：Warning cv2.split() is a costly operation (in terms of time). So do it only if you need it. Otherwise go for Numpy indexing. 来源：docs.opencv.org/3.0-beta/doc/py_tutorials/py_core/py_basic_ops/…
谢谢，编辑@igaurav
注意：python -m timeit -s "import urllib.request as r; import cv2; from os.path import exists as ex; b='bench.jpg'; r.urlretrieve('https://i.imgur.com/7vGjNmZ.jpg',b) if not ex(b) else False; x=cv2.imread(b)" "b,g,r = cv2.split(x)" 给出33.1 ms，"b,g,r = x[:,:,0], x[:,:,1], x[:,:,2]" 给出803 nsec (0.000803 ms)。诡异的！带有 numpy 索引的后者对 numpy C 扩展进行 3 次函数调用，而 OpenCV 方法仅进行 1 次 C 调用，应该进行优化，但事实并非如此。除非我们做错了什么，否则 OpenCV 的分裂似乎要慢得多。很高兴知道这一点！
没关系，我已经想通了。 Numpy 方法使用 Numpy 切片，它创建了一个新的（非常低效的）Numpy 数组“视图”，它指向旧 RAM，并说“读取每 3 个字节，跳过第 1 个和第 2 个字节”以仅查看单个通道。这是“假分割”通道，但在图像处理方面效率极低。每次将假 r,g 或 b（以这种方式创建）传递给 OpenCV 或其他库函数时，都会导致每个函数调用有 30 毫秒的延迟，因为它必须将“作弊”的 Numpy 数据重新创建为真实的图像对象。同时，OpenCV split 会创建 3 个真实的 img。
来自您身边好友@MitchMcMabers 的好帮手。

【解决方案2】：

dsplit它。

import numpy as np

def channelSplit(image):
    return np.dsplit(image,image.shape[-1])

[B,G,R]=channelSplit(image)

这适用于 RGB 或 RGBA 图像。

【讨论】：

【解决方案3】：

这对我有用：

def split_channels(im: np.ndarray):
    assert len(im.shape) == 3 and im.shape[-1] == 3
    return np.squeeze(np.split(im, im.shape[-1], -1), axis=-1)

请注意，np.split 本身是不够的，它会留下一个(M, N, 1) 图像。但是如果你想拥有(M, N)，那么squeeze 就可以了。

如果您有其他情况，可以删除assert。

【讨论】：