如何通过图像表达来操作像素值？

Question

最近我正在编写一个脚本来操作图像中的像素值。这个想法是将落入给定范围内的像素设置为特定值。不是使用从像素到像素循环的命令“for”，而是使用图像表达式，例如：

Img = (Img>=thresh_Low && Img<=thresh_Up ? 0 : Img)

问题来了：如果我想将像素值替换为相邻像素的平均值，而不是在上述情况下仅使用固定值（例如 0），则像素循环似乎无法避免了。有谁知道这里仍然可以使用图像表达的方法的任何解决方法？

提前致谢。

Answer 1

计算图像表达式比任何逐像素运算都要高效得多。即使您因此计算了一些不需要的平均值，脚本也会执行得更快。因此：

您应该计算一个平均图像（针对所有像素，而不仅仅是蒙版的像素），然后在蒙版分配中使用它。

以下示例说明了这一点。只有最后两行是您问题的直接答案。该条件用于复制原始值或平均值：

number aver_NN = 3      // Next neighbor averaging. 1 = 3x3, 2 = 5x5 etc.)
number maskRad = 0.3    // just a radius to show masking

image img := GetFrontImage()
if ( 2 != img.ImageGetNumDimensions() ) Throw( "Only 2D images are supported." )

// Create average image (ignoring border region for simplicity)
image av := img * 0
for( number dx=-aver_NN; dx<=aver_NN; dx++ )
    for( number dy=-aver_NN; dy<=aver_NN; dy++ )
        av += img.offset(dx,dy)

av /= (2*aver_NN + 1) ** 2

// Apply masked replacement
image replaced = iradius < iwidth*maskrad ? av : img
replaced.ShowImage()

---

下面由于cmets的进一步解释

平均是通过使用offset 命令将整个图像移动一个像素来完成的。此命令将用0 值替换边框像素。 将所有移位的图像相加并除以图像的数量，因此在每个像素处给出了相邻像素的平均值，但边界像素中的归一化是不正确的。以下脚本使用显式图像而不是 for 循环来说明这一点：

number size = 25
image test := realimage("Source",4,size,size)
test = 1 + random()
test.ShowImage()

image offset_N = test.offset(  0, -1 )
image offset_S = test.offset(  0,  1 )
image offset_W = test.offset( -1,  0 )
image offset_E = test.offset(  1,  0 )
offset_N.ShowImage()
offset_N.SetName("N")
offset_S.ShowImage()
offset_S.SetName("S")
offset_W.ShowImage()
offset_W.SetName("W")
offset_E.ShowImage()
offset_E.SetName("E")

image average = test + offset_N + offset_S + offset_W + offset_E
average /= 5
average.SetName("Average")
average.ShowImage()

EGUPerformActionWithAllShownImages("Arrange")

要解决边界问题，可以使用两种策略进行标准化。

• 明确归一化总和图像的子部分，了解求和的图像数量：

...

image average = test + offset_N + offset_S + offset_W + offset_E
average.SetName("Average")
// Divide corners by 3
// Divide edges by 4
// Divide rest by 5
average.slice2(0,0,0 ,0,2,size-1, 1,2,size-1) /= 3
average.slice2(1,0,0 ,0,size-2,1, 1,2,size-1) /= 4
average.slice2(0,1,0 ,0,2,size-1, 1,size-2,1) /= 4
average.slice2(1,1,0 ,0,size-2,1, 1,size-2,1) /= 5

...

• 创建第二张自动“计数”的图像并将其用于标准化。为此，只需创建一个与源大小相同的1-valued 图像并执行相同的求和步骤！这使得上面的脚本变成：

number aver_NN = 2      // Next neighbor averaging. 1 = 3x3, 2 = 5x5 etc.)
number maskRad = 1    // just a radius to show masking

image img := GetFrontImage()
if ( 2 != img.ImageGetNumDimensions() ) Throw( "Only 2D images are supported." )

// Create average image 
image av = img * 0
image weight = av 
image proxy = av + 1

for( number dx=-aver_NN; dx<=aver_NN; dx++ )
{
    for( number dy=-aver_NN; dy<=aver_NN; dy++ )
    {
        av += img.offset(dx,dy)
        weight += proxy.offset(dx,dy)
    }
}

weight.SetName("Sum weight")
weight.showImage()

av /= weight

// Apply masked replacement
image replaced = iradius < iwidth*maskrad ? av : img
replaced.ShowImage()

• 还可以依靠内置的Convolution() 命令创建平均图像，该命令可以立即正确处理边界情况。在这里，只需将平均图像创建为：

// Create average image 
// Define an averaging kernel
image kernel := [5,5] : {
 { 0, 0, 1, 0, 0 },
 { 0, 1, 1, 1, 0 },
 { 1, 1, 1, 1, 1 },
 { 0, 1, 1, 1, 0 },
 { 0, 0, 1, 0, 0 } 
}

image av = img.Convolution(kernel)
av.ShowImage()