【问题标题】:Convert a large grayscale PIL image to black and transparent将大灰度 PIL 图像转换为黑色和透明
【发布时间】:2020-07-13 12:17:51
【问题描述】:

我正在尝试使用大型二维数组来创建具有黑色和透明部分的图像蒙版。最初,输入二维数组是以灰度 ('L') 模式加载的PIL.Image。所以它包含 0 到 255 之间的值。现在我想用 [0,0,0,255] 替换所有的 0(黑色保持黑色),所有 >0 的值都应该是 [0,0,0,0](透明)。我可以这样做:

import numpy as np

# generate some random test data - normally I just read the input image, which is fast
input_data = np.array([np.array([random.choice([0,10]) for x in range(22000)]) for y in range(9000)])

# create a new img containing black and transparent pixels (r,g,b,alpha) and this takes ages
overlay_img = [[[0, 0, 0, 255] if input_data[y][x] == 0 else [0, 0, 0, 0] for x in range(len(input_data[0]))] for y in range(len(input_data))]
overlay_img = np.array(overlay_img)

这需要相当长的时间,因为输入数据太大(~22000x9000)。我很好奇是否有可能更快地做到这一点。我也试过np.where,但我无法让它工作。或许还有直接改变PIL图像的方法?

fyi:最后,我只想用imshow 在我的 matplotlib 图上绘制这个图像,这样只有相关区域是可见的(图像是透明的),其余区域是隐藏的/黑色的。

这里只是我想做的一个非常快速的小例子:

【问题讨论】:

  • 当前 3 个通道都为零时,我不明白为什么需要 4 通道图像。我也不明白你为什么要制作 Numpy 数组而是使用列表推导。请说明您打算如何使用此“面具”,以及您希望它产生什么效果。谢谢。
  • 第二个问题:没错,我不需要 numpy 数组。我只是在示例中使用了它们,因为在我的例子中输入是一个 2d numpy 数组,我之前尝试过numpy.where。但是,如果它在没有 numpy 数组的情况下也可以工作,那就太好了!至于你的第一个问题:这就是我写最后一段的原因:我想将 imshow 与这个黑色和透明的图像一起使用,以便下面的图层要么隐藏要么显示在最终图中。我可以只用一个通道可视化黑色透明图像吗?
  • 看来我们沟通有误!我建议你不要使用列表推导,并且你应该使用 Numpy 数组,因为它们更快。我还想看看你想用来显示图像的代码以及它应该是什么样子。谢谢。

标签: python numpy python-imaging-library


【解决方案1】:

我想你想要这个,但你还没有显示imshow() 的代码:

#!/usr/bin/env python3

import random
import numpy as np

# Set up dimensions and random input image
h, w = 9000, 22000
im = np.random.randint(0, 11, (h,w), dtype=np.uint8)

# Create 4-channel mask image
mask = np.zeros((h,w,4), dtype=np.uint8)
mask[...,3] = (im==0) * 255

在我的 MacBook Pro 上,最后一行需要 800 毫秒。


如果你需要更多的性能,你可以使用numexpr,如下所示,所需时间是300ms而不是800ms:

import random
import numexpr as ne
import numpy as np

# Set up dimensions and random input image
h, w = 9000, 22000
im = np.random.randint(0, 11, (h,w), dtype=np.uint8)

# Create 4-channel mask image
mask = np.zeros((h,w,4), dtype=np.uint8)

# Same but with "numexpr"
mask[...,3] = ne.evaluate("(im==0)*255")

【讨论】:

  • 谢谢!这比我的列表理解要快得多。我怀疑可能有一个快速的 numpy 解决方案。而mask[...,3] = (im==0) * 255 真的很整洁。
猜你喜欢
  • 2012-11-23
  • 1970-01-01
  • 1970-01-01
  • 2018-02-17
  • 1970-01-01
  • 1970-01-01
  • 2011-01-25
  • 2013-04-21
  • 2011-03-26
相关资源
最近更新 更多