使用 np.isin 和 np.where 进行快速像素处理 [issue]答案

【问题标题】：fast pixels processing using np.isin and np.where [issue]使用 np.isin 和 np.where 进行快速像素处理 [issue]
【发布时间】：2019-09-06 11:09:45
【问题描述】：

我是 python 和图像处理的新手。我正在尝试使用 np.isin 和 np.where 在输入图像中查找给定 RGB 值的列表（我想避免在所有像素上进行嵌套循环）。所以，这里是输入和输出

输入：https://imgur.com/eNylzA9

输出：https://imgur.com/lDctkj9

我正在使用以下代码 -

fliterlist = [
    [244,240,255],
    [253,239,255],
    [255,234,249],
    [255,230,245],
    [255,229,243],
    [255,228,242]
]
# actual list has more than 100 elements

def imageTest(img,count=0):

    outImg = np.zeros(img.shape,dtype=np.uint8)

    posArray=(np.isin(img,bb)).all(axis=2)
    outImg[np.where(posArray)] = [255,255,255]

    outname = './fast/imageTest_'+str(count)+'.jpg'
    outputlist[outname]=outImg

    return

由于某种原因，我没有得到预期的输出。我的意思是，如果我使用双嵌套循环来迭代所有像素，我会得到想要的结果。但在这里看起来 np.isin 给了我一个不同的结果。请帮我确定问题。

这是完美运行的示例想法 -

图片 - https://imgur.com/zP3zuLj

【问题讨论】：

您能具体说明一下您要做什么吗？我可以理解您正在尝试对图像进行阈值处理。
假设有一个图像。我需要找出其中的特定 RGB 值。例如，假设我正在寻找所有值为 [255,0,0] 的像素。所以输出图像基本上是黑色图像，只有那些像素标记为 [255,255,255]。有帮助吗？

标签： python-3.x numpy opencv

【解决方案1】：

使用opencv的inrange函数，如下：

mask = cv2.inRange(image, lower_range, upper_range)

我知道您想找到一个特定的像素，因此请相应地调整范围。以我的经验，无论您尝试完成什么任务，使用一定范围的像素都会更好，这将是有益的。不过以后看你自己了。

【讨论】：