如何有效地改变大量图像的颜色？答案

【问题标题】：How to efficiently change colors on a lot of images?如何有效地改变大量图像的颜色？
【发布时间】：2019-11-13 11:44:21
【问题描述】：

我有一个庞大的图像数据集，如下所示：

我想改变这些颜色。所有的白色都应该保持白色，所有的紫色都应该变成白色，其他一切都应该变成黑色。所需的输出如下所示：

我已经在下面编写了代码，它正在做我想做的事情，但是浏览我拥有的大量图片需要很长时间。还有另一种更快的方法吗？

path = r"C:path"
for f in os.listdir(path):
f_name = (os.path.join(path,f))
if f_name.endswith(".png"):
    im = Image.open(f_name)
    fn, fext = os.path.splitext(f_name)
    print (fn)
    im =im.convert("RGBA")
    for x in range(im.size[0]):
        for y in range(im.size[1]):
            if im.getpixel((x, y)) == (255, 255, 255, 255):
                im.putpixel((x, y),(255, 255, 255,255))
            elif im.getpixel((x, y)) == (128, 64, 128, 255):
                im.putpixel((x, y),(255, 255, 255,255))
            else:
                im.putpixel((x, y),(0, 0, 0,255))

    im.show()

【问题讨论】：

标签： python image image-processing colors python-imaging-library

【解决方案1】：

您的图像似乎是调色板，因为它们代表分割或标记类，并且通常少于 256 个类。因此，每个像素只是一个标签（或类号），实际颜色在 256 元素表中查找，即调色板。

如果您不熟悉托盘化图像，请查看here。

因此，您不需要遍历所有 1200 万像素，而只需遍历只有 256 个元素长的调色板...

#!/usr/bin/env python3

import sys
import numpy as np
from PIL import Image

# Load image
im = Image.open('image.png')

# Check it is palettised as expected
if im.mode != 'P':
    sys.exit("ERROR: Was expecting a palettised image")

# Get palette and make into Numpy array of 256 entries of 3 RGB colours
palette = np.array(im.getpalette(),dtype=np.uint8).reshape((256,3))

# Name our colours for readability
purple = [128,64,128]
white  = [255,255,255]
black  = [0,0,0]

# Go through palette, setting purple to white
palette[np.all(palette==purple, axis=-1)] = white

# Go through palette, setting anything not white to black
palette[~np.all(palette==white, axis=-1)] = black

# Apply our modified palette and save
im.putpalette(palette.ravel().tolist())
im.save('result.png')

这需要 290 毫秒，包括加载和保存图像。

如果您有成千上万的图像要做，并且您使用的是不错的操作系统，则可以使用 GNU Parallel。把上面的代码改成接受一个命令行参数，也就是图片的名字，保存为recolour.py然后使用：

parallel ./recolour.py {} ::: *.png

它会让你的 CPU 上的所有 CPU 核心保持忙碌，直到它们都被处理完。

关键字：图像处理、Python、Numpy、PIL、Pillow、调色板、getpalette、putpalette、类、分类、标签、标签、标签图像。

【讨论】：

伟大的工作 - 现在肯定会记住调色板的图像！

【解决方案2】：

如果您愿意使用 NumPy，则可以大大加快像素操作：

from PIL import Image
import numpy as np

# Open PIL image
im = Image.open('path/to/your/image.png').convert('RGBA')

# Convert to NumPy array
pixels = np.array(im)

# Get logical indices of all white and purple pixels
idx_white = (pixels == (255, 255, 255, 255)).all(axis=2)
idx_purple = (pixels == (128, 64, 128, 255)).all(axis=2)

# Generate black image; set alpha channel to 255
out = np.zeros(pixels.shape, np.uint8)
out[:, :, 3] = 255

# Set white and purple pixels to white
out[idx_white | idx_purple] = (255, 255, 255, 255)

# Convert back to PIL image
im = Image.fromarray(out)

该代码生成所需的输出，在我的机器上大约需要 1 秒，而您的循环代码需要 33 秒。

希望有帮助！

【讨论】：