計算圖像中特定顏色強度的像素

Question

我想計算圖像中[150,150,150]的顏色強度的像素，已經確定了圖像的形狀，並制作了一個循環來逐像素掃描圖像，但是我遇到了這個錯誤，我不知道為什么會這樣出現了。

但我收到以下錯誤：

File "D:/My work/MASTERS WORK/FUNCTIONS.py", line 78, in <module>
    if img[x,y] == [150,150,150]:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

碼：

img = cv2.imread('imj.jpg')
h ,w =img.shape[:2]
m= 0
for y in range(h):
    for x in range(w):
        if img[x,y] == [150,150,150]:
            m+=1
print('No. of points = ' , m)

Answer 1

不應使用for循環，而應使用Numpy對處理進行向量化。 要計算顏色強度[150,150,150]的像素數，可以使用np.count_nonzero()

count = np.count_nonzero((image == [150, 150, 150]).all(axis = 2)) 

---

這是一個例子。 我們創建尺寸為[400,400]的黑色圖像，並將左下角的顏色設置為[150,150,150]

import numpy as np

# Create black image
image = np.zeros((400,400,3), dtype=np.uint8)
image[300:400,300:400] = (150,150,150)

然后，我們計算此強度下的像素數

# Count number of pixels of specific color intensity
count = np.count_nonzero((image == [150, 150, 150]).all(axis = 2))
print(count)

10000

最后，如果要更改該強度的像素，我們可以找到所有所需的像素並使用蒙版。 在這種情況下，我們將像素變為綠色

# Find pixels of desired color intensity and draw onto mask
mask = (image == [150.,150.,150.]).all(axis=2)

# Apply the mask to change the pixels
image[mask] = [36,255,12]

完整代碼

import numpy as np

# Create black image
image = np.zeros((400,400,3), dtype=np.uint8)
image[300:400,300:400] = (150,150,150)

# Count number of pixels of specific color intensity
count = np.count_nonzero((image == [150, 150, 150]).all(axis = 2))
print(count)

# Find pixels of desired color intensity and draw onto mask
mask = (image == [150.,150.,150.]).all(axis=2)

# Apply the mask to change the pixels
image[mask] = [36,255,12]

Answer 2

這不是建議的方法來計算具有給定值的像素，但是對於上面的情況（ r ， g和b相同值），仍然可以使用以下代碼：

for x in range(h):
    for y in range(w):
        if np.all(img[x, y]==150, axis=-1): # (img[x, y]==150).all(axis=-1)
            m+=1

如果要計算r ， g和b不同值的像素，請使用np.all(img[x, y]==[b_value, g_value, r_value], axis=-1) ，因為OpenCV遵循bgr順序。

或者，您可以使用np.count_nonzero(np.all(img==[b_value, g_value, r_value],axis=-1))或簡單地使用np.count_nonzero(np.all(img==150, axis=-1)) 。