如果满足条件，如何优化更改 3d numpy.array 的值

Question

我正在研究 python - 在 Ubuntu 上打开 CV。 我是 python 的新手，我觉得我的编码没有优化。

最终目标是将像素颜色更改为 jpeg 图像。假设如果红色通道值

为此，我将 jpeg 转换为 numpy.array。 然后使用“for/in:”循环逐像素检查红色通道是否

我的代码：

import numpy
import cv2

img=cv2.imread('image.jpeg',1)

y=x=-1  # I use y and x as a counters. 
        #They will track the pixel position as (y,x)

for pos_y in img:
    y=y+1; x=-1 #For each new column of the image x is reset to -1
    for pos_x in pos_y:
        x=x+1
        b, g, r = pos_x  # I get the blue, green and red color
                         # please note that opencv is bgr instead of rgb
        if r < 255:
             r = 255
             pos_x = [b,g,r]
             img[y,x] = pos_x

cv2.imshow('Image',img)
cv2.waitKey(0)
cv2.destroyAllWindows()

此代码有效。但是，我觉得既不优雅也不高效。

如何优化代码并提高效率？

Answer 1

这对于 RGB 图像怎么样？

img[img[:, :, 0] < 255, 0] = 255

使用它，我们从图像的红色通道创建一个布尔蒙版，并检查其值是否小于 255。如果是，那么我们将这些值设置为 255。

OpenCV 将图像读取为BGR，所以：

img[img[:, :, 2] < 255, 2] = 255

应该是合适的。

或者，您也可以这样做：

mask_R = img < 255)[:, :, 2]
img[mask_R, 2] = 255

---

例子：

In [24]: a
Out[24]: 
array([[[168],
        [170],
        [175]],

       [[169],
        [170],
        [172]],

       [[165],
        [170],
        [174]]])

In [25]: a > 170
Out[25]: 
array([[[False],
        [False],
        [ True]],

       [[False],
        [False],
        [ True]],

       [[False],
        [False],
        [ True]]], dtype=bool)

使用上述条件 (a > 170)，我们生成一个布尔掩码。现在，假设您采用任何一个通道并将其放在这个布尔掩码的顶部。而当我们分配新值时，只要掩码有true 值，图像数组中的那些对应元素就会被重置为新值。

# we just filter out the values in array which match our condition
In [36]: a[a > 170]
Out[36]: array([175, 172, 174])

# assign new values. Let's say 180
In [37]: a[a > 170] = 180   

In [38]: a
Out[38]: 
array([[[168],
        [170],
        [180]],    # <== new value

       [[169],
        [170],
        [180]],    # <== new value

       [[165],
        [170],
        [180]]])   # <== new value

Answer 2

如果 img 是 mxnx3 numpy 数组，则以下内容会就地更改第三个组件：

np.maximum(img[..., 2], 255, out=img[..., 2])