检测灰度图像的某些像素

Question

我有这段代码可以让你检测一个 vertain 值的像素。 现在我正在检测超过某个值 (27) 的像素。 我的想法是仍然检测它们但检测另一个像素值（我想检测从 65 到 75 的像素，另一个像素间隔）。 我怎样才能做到这一点？

如您所见，T 正在检测灰度图像，因此我对红色、绿色和蓝色具有相同的值。

任何改进此程序以加快工作速度的想法都将不胜感激。 比如使用 os.walk 引入 Daytime 文件夹中的所有图像，我真的不知道该怎么做。

谢谢。

daytime_images = os.listdir("D:/TR/Daytime/")
number_of_day_images = len(daytime_images)
day_value = 27

def find_RGB_day(clouds, red, green, blue): 
    img = Image.open(clouds) 
    img = img.convert('RGB') 
    pixels_single_photo = [] 
    for x in range(img.size[0]): 
        for y in range(img.size[1]): 
            h, s, v, = img.getpixel((x, y)) 
            if h <= red and s <= green and v <= blue:
                pixels_single_photo.append((x,y)) 
    return pixels_single_photo

number = 0

for _ in range(number_of_day_images):
    world_image = ("D:/TR/Daytime/" + daytime_images[number])
    pixels_found = find_RGB_day(world_image, day_value, day_value, day_value)
    coordinates.append(pixels_found)
    number = number+1

Answer 1

一些想法：

• 如果，正如你所说，你的图像是灰度的，那么你应该将它们作为单通道灰度图像处理，而不是不必要地将它们的 memory 足迹增加三倍，并通过将它们提升为 RGB 来将你需要进行的比较次数增加三倍

• 与其使用在 Python 中速度非常慢的嵌套for循环，不如使用Numpy或OpenCV来获得 10 到 1000 倍的加速。 类似的例子在这里。

• 如果你有很多图像要处理，它们都是独立的，并且你有一个不错的 CPU 和 RAM，考虑使用多处理来让你所有可爱的内核并行处理图像。 简单的例子在这里。

---

第二个建议最有可能产生最好的红利，所以我将扩展它：

from PIL import Image
import Numpy as np

# Open an image and ensure greyscale
im = Image.open('image.png').convert('L')

# Make into Numpy array
na = np.array(im)

# Make a new array that is True where pixels between 65..75 and False elsewhere
x = np.logical_and(na>65,na<75)

# Now count the True pixels
result = np.count_nonzero(x)

这张 400x100 的图像产生 2,200：