如何选择 NumPy 数组中的所有非黑色像素？答案

【问题标题】：How to select all non-black pixels in a NumPy array?如何选择 NumPy 数组中的所有非黑色像素？
【发布时间】：2019-03-15 01:41:26
【问题描述】：

我正在尝试使用 NumPy 获取与特定颜色不同的图像像素列表。

例如，在处理以下图像时：

我已经设法使用以下方法获取所有黑色像素的列表：

np.where(np.all(mask == [0,0,0], axis=-1))

但是当我尝试这样做时：

np.where(np.all(mask != [0,0,0], axis=-1))

我得到了一个非常奇怪的结果：

看起来 NumPy 只返回了 R、G 和 B 的索引是非 0

这是我正在尝试做的一个最小示例：

import numpy as np
import cv2

# Read mask
mask = cv2.imread("path/to/img")
excluded_color = [0,0,0]

# Try to get indices of pixel with different colors
indices_list = np.where(np.all(mask != excluded_color, axis=-1))

# For some reason, the list doesn't contain all different colors
print("excluded indices are", indices_list)

# Visualization
mask[indices_list] = [255,255,255]

cv2.imshow(mask)
cv2.waitKey(0)

【问题讨论】：

标签： python image numpy image-processing

【解决方案1】：

对于选择非黑色像素的特殊情况，在寻找非零像素之前将图像转换为灰度更快：

non_black_indices = np.nonzero(cv2.cvtColor(img,cv2.COLOR_BGR2GRAY))

然后把所有的黑色像素都改成白色，例如：

img[non_black_indices] = [255,255,255]

同样，这仅适用于选择非 [0,0,0] 像素，但如果您正在处理数千张图像，则与更一般的方法相比，速度提升变得显着。

【讨论】：

【解决方案2】：

您应该使用np.any 而不是np.all 来选择除黑色以外的所有像素的第二种情况：

np.any(image != [0, 0, 0], axis=-1)

或者简单地通过~反转布尔数组来获得黑色像素的补码：

black_pixels_mask = np.all(image == [0, 0, 0], axis=-1)
non_black_pixels_mask = ~black_pixels_mask

工作示例：

import numpy as np
import matplotlib.pyplot as plt


image = plt.imread('example.png')
plt.imshow(image)
plt.show()

image_copy = image.copy()

black_pixels_mask = np.all(image == [0, 0, 0], axis=-1)

non_black_pixels_mask = np.any(image != [0, 0, 0], axis=-1)  
# or non_black_pixels_mask = ~black_pixels_mask

image_copy[black_pixels_mask] = [255, 255, 255]
image_copy[non_black_pixels_mask] = [0, 0, 0]

plt.imshow(image_copy)
plt.show()

如果有人使用 matplotlib 绘制结果并得到完全黑色的图像或警告，请参阅此帖子：Converting all non-black pixels into one colour doesn't produce expected output

【讨论】：

我仍然不清楚为什么它应该是np.any 而不是np.all。我会更多地考虑它并尝试提供解释。但无论如何，我更喜欢使用~。
感谢您的回答，我想我现在明白为什么需要 np.any 了。当我使用 np.all 时发生的事情是该数组只包含 R!=0 AND B!=0 AND G!=0 的颜色。这意味着颜色 [255,0,0] 导致 False。通过使用 np.any 条件变为 R!=0 OR B!=0 OR G!=0

【解决方案3】：

必要性：需要这种形状的矩阵 = (any,any,3)

解决方案：

COLOR = (255,0,0)
indices = np.where(np.all(mask == COLOR, axis=-1))
indexes = zip(indices[0], indices[1])
for i in indexes:
    print(i)

解决方案 2：

获取特定颜色的区间，例如RED：

COLOR1 = [250,0,0]
COLOR2 = [260,0,0] # doesnt matter its over limit

indices1 = np.where(np.all(mask >= COLOR1, axis=-1))
indexes1 = zip(indices[0], indices[1])

indices2 = np.where(np.all(mask <= COLOR2, axis=-1))
indexes2 = zip(indices[0], indices[1])

# You now want indexes that are in both indexes1 and indexes2

解决方案 3 - 证明有效

如果以前不起作用，那么有一个解决方案可以 100% 起作用

从 RGB 通道转换为 HSV。从 3D 图像制作 2D 蒙版。 2D 蒙版将包含色调值。比较色调比 RGB 更容易，因为色调是 1 个值，而 RGB 是具有 3 个值的矢量。在您拥有带有 Hue 值的 2D 矩阵后，请执行上述操作：

HUE1 = 0.5
HUE2 = 0.7 

indices1 = np.where(HUEmask >= HUE1)
indexes1 = zip(indices[0], indices[1])

indices2 = np.where(HUEmask <= HUE2)
indexes2 = zip(indices[0], indices[1])

您可以对饱和度和值执行相同的操作。

【讨论】：