读取 JPEG 图像并确定亮度的最有效方法

Question

我正在使用以下方法来获得感知亮度。我很好奇是否有更快的方法来做到这一点？

def brightness( im_file ):
   im = Image.open(im_file)
   stat = ImageStat.Stat(im)
   r,g,b = stat.rms
   return math.sqrt(0.241*(r**2) + 0.691*(g**2) + 0.068*(b**2))

要求

• 性能是最重要的因素
• 图像文件小于 30KB
• 图像的亮度将相似。会有小的差异，但只看一小部分图像就足够了。

Answer 1

PIL 在这方面效率极低。 PIL 是在纯 Python 中实现的，因此它在您的图像中循环in Python。我们来看看ImageStat.Stat.rms属性from the source code的实现：

def _getrms(self):
    "Get RMS for each layer"

    v = []
    for i in self.bands:
        v.append(math.sqrt(self.sum2[i] / self.count[i]))
    return v

使用辅助函数

def _getsum2(self):
    "Get squared sum of all pixels in each layer"

    v = []
    for i in range(0, len(self.h), 256):
        sum2 = 0.0
        for j in range(256):
            sum2 += (j ** 2) * float(self.h[i + j])
        v.append(sum2)
    return v

def _getcount(self):
    "Get total number of pixels in each layer"

    v = []
    for i in range(0, len(self.h), 256):
        v.append(functools.reduce(operator.add, self.h[i:i+256]))
    return v

我很困惑为什么count 有一个函数……但无论如何。无论如何，正如这里所证明的那样，这是非常低效的。以上内容可以直接使用 numpy 函数更有效地编写。

---

此外，OpenCV 在读取图像方面比 PIL 快得多。从my other answers 之一，我为读取图像的标准库计时，OpenCV 是最快的。

---

最后，我认为您不应该将 RMS 与欧几里德距离函数相加，原因有两个：

1. 您使用的权重是用于在灰度图像之间进行转换的类型，该灰度图像是相乘和线性相加的。
2. 如果图像是浮点数，则将值向下缩放，而如果值为uint8，则将值向上缩放。我不确定你是否真的想要那种规模。我认为线性比例更容易。

我也不确定您在这里使用的权重，蓝色的 0.068 非常小（只有亮度的 6%？）。 YUV standard 使用以下权重：

Y = 0.299*R + 0.587*G + 0.114*B

---

话虽如此，我的答案并未提供 实际 代码来解决您的问题，因此您应该选择可以解决问题的代码，例如 user1767754 的答案。我只是想指出PIL在这里慢的一些原因。

Answer 2

所以这里有一个解决方案，它的速度几乎快了两倍：

计时统计：10000 次运行 求和方法：9.4s ImageStat（您的）：24.s

1) 计算所有像素的总和

2) 计算全白图像的总和

3) 现在将计算得到的像素总和映射到0（黑色）和1（白色）之间

import numpy as np
import cv2
from scipy.interpolate import interp1d

#Load Image
img1 = cv2.imread('testing_1.png',3) #READ BGR

width, height, depth = img1.shape
maxValue = width * height * depth * 255
imageValue = np.sum(img1)

#Map Value between 0 and 1
m = interp1d([0,maxValue],[0,1])
print m(imageValue)

Test1：非常暗的图像：值：0.126771993983

Test1：非常亮的图像：值：0.65562396666

Answer 3

ImageStat.Stat 只能作用于图像的一个区域：

ImageStat.Stat(image, mask) ⇒ Stat 实例

计算给定图像的统计信息。如果包含口罩，则仅 该掩码覆盖的区域包含在统计信息中。

您说整个图像的亮度将相似，因此您可以为您的用例选择尽可能小的遮罩尺寸。最小可能的掩码大小当然是单个像素。但我猜你的大部分图像可能不是完全灰色的，所以你可以增加蒙版大小，直到找到一个让你满意的值。

您可以使用一些方法来尝试找到最佳蒙版尺寸。有一堆测试图像。计算它们的亮度没有蒙版，以及不同大小的蒙版。然后检查你得到什么不同。尽量减少差异。

还尝试选择不同的区域和形状：中心、左角、正方形、圆形、每隔一个像素。正如 Alexander Reynolds 在 cmets 中指出的那样，具有随机像素的蒙版可能是最佳选择，因为它可以毫无偏差地代表整个图像。