最近的對(duì)圖像數(shù)據(jù)進(jìn)行處理的時(shí)候需要將圖像中的某個(gè)顏色替換為另一個(gè)顏色，但是網(wǎng)絡(luò)上找到的方法都是通過(guò)對(duì)圖像的遍歷進(jìn)行替換，實(shí)在是太費(fèi)時(shí)了！剛開(kāi)始使用時(shí)覺(jué)得CPU很快了，一張圖片應(yīng)該用不了多久，但是實(shí)際使用中耗時(shí)確實(shí)難以接受的！于是自己寫(xiě)了一個(gè)替換程序加快速度，比遍歷快很多，但我覺(jué)得不是最快的，應(yīng)該有通過(guò)矩陣索引更快的處理方式，只是我自己暫時(shí)并不知道該如何實(shí)現(xiàn)，如果以后能夠?qū)崿F(xiàn)會(huì)進(jìn)行更新，暫時(shí)先寫(xiě)下自己暫時(shí)覺(jué)得可用的代碼。

一、通過(guò)遍歷替換

將圖像中某個(gè)顏色替換為另一個(gè)顏色一般的做法是遍歷整個(gè)圖像，逐一替換，如下：

def replace_color_tran(img, src_clr, dst_clr):’’’ 通過(guò)遍歷顏色替換程序@paramimg:圖像矩陣@paramsrc_clr:需要替換的顏色(r,g,b)@paramdst_clr:目標(biāo)顏色(r,g,b)@return替換后的圖像矩陣’’’img_arr = np.asarray(img, dtype=np.double)dst_arr = img_arr.copy()for i in range(img_arr.shape[1]):for j in range(img_arr.shape[0]):if (img_arr[j][i] == src_clr)[0] == True:dst_arr[j][i] = dst_clrreturn np.asarray(dst_arr, dtype=np.uint8)

二、通過(guò)矩陣操作加快替換

但是這樣做，處理速度是很慢的即便是現(xiàn)在CPU很快的情況下。我自己通過(guò)numpy矩陣操作將速度提升了一點(diǎn)，具體做法如下：

將圖像的三個(gè)通道拆分開(kāi)來(lái)為R，G，B三個(gè)通道

將三個(gè)通道的數(shù)據(jù)值進(jìn)行簡(jiǎn)單的編碼，合并為單通道矩陣；

將需要替換的顏色進(jìn)行同2的編碼，利用改編碼在2中得到的矩陣中得到對(duì)應(yīng)顏色的索引；

利用3中得到的索引將R，G，B三個(gè)通道中的對(duì)應(yīng)顏色值替換為目標(biāo)值；

將得到的三個(gè)通道合并為一個(gè)圖像數(shù)據(jù)。

具體實(shí)現(xiàn)如下:

def replace_color(img, src_clr, dst_clr):’’’ 通過(guò)矩陣操作顏色替換程序@paramimg:圖像矩陣@paramsrc_clr:需要替換的顏色(r,g,b)@paramdst_clr:目標(biāo)顏色(r,g,b)@return替換后的圖像矩陣’’’ img_arr = np.asarray(img, dtype=np.double) r_img = img_arr[:,:,0].copy() g_img = img_arr[:,:,1].copy() b_img = img_arr[:,:,2].copy() img = r_img * 256 * 256 + g_img * 256 + b_img src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2] #編碼 r_img[img == src_color] = dst_clr[0] g_img[img == src_color] = dst_clr[1] b_img[img == src_color] = dst_clr[2] dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8) dst_img = dst_img.transpose(1,2,0) return dst_img

三、結(jié)果對(duì)比

先看下具體的實(shí)現(xiàn)結(jié)果，全部測(cè)試程序文末給出,(上面的圖片是原圖，下面是替換后的圖片)。

四、程序解釋

通過(guò)如下方式編碼的原因是r，g，b三原色的數(shù)值本身是順序相關(guān)的，為了保證最后索引的一致與準(zhǔn)確性，采用將不同數(shù)值錯(cuò)位開(kāi)。這里的magic number采用256是因?yàn)槿臄?shù)值的范圍是[0,255]，這樣相乘可以保證數(shù)據(jù)在二進(jìn)制上的完全相互交錯(cuò)而保證該編碼是絕對(duì)正確的，當(dāng)然也可以采用其他形式的編碼或者數(shù)值選擇其他數(shù)值，我這樣選擇是為了保險(xiǎn)起見(jiàn)而已。

img = r_img * 256 * 256 + g_img * 256 + b_img src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2] #編碼

五、完整的測(cè)試程序

完整的程序：

from PIL import Imageimport osimport numpy as npimport timedef replace_color(img, src_clr, dst_clr):’’’ 通過(guò)矩陣操作顏色替換程序@paramimg:圖像矩陣@paramsrc_clr:需要替換的顏色(r,g,b)@paramdst_clr:目標(biāo)顏色(r,g,b)@return替換后的圖像矩陣’’’ img_arr = np.asarray(img, dtype=np.double) #分離通道 r_img = img_arr[:,:,0].copy() g_img = img_arr[:,:,1].copy() b_img = img_arr[:,:,2].copy()#編碼 img = r_img * 256 * 256 + g_img * 256 + b_img src_color = src_clr[0] * 256 * 256 + src_clr[1] * 256 + src_clr[2] #索引并替換顏色 r_img[img == src_color] = dst_clr[0] g_img[img == src_color] = dst_clr[1] b_img[img == src_color] = dst_clr[2] #合并通道 dst_img = np.array([r_img, g_img, b_img], dtype=np.uint8) #將數(shù)據(jù)轉(zhuǎn)換為圖像數(shù)據(jù)(h,w,c) dst_img = dst_img.transpose(1,2,0) return dst_imgdef replace_color_tran(img, src_clr, dst_clr):’’’ 通過(guò)遍歷顏色替換程序@paramimg:圖像矩陣@paramsrc_clr:需要替換的顏色(r,g,b)@paramdst_clr:目標(biāo)顏色(r,g,b)@return替換后的圖像矩陣’’’img_arr = np.asarray(img, dtype=np.double)dst_arr = img_arr.copy()for i in range(img_arr.shape[1]):for j in range(img_arr.shape[0]):if (img_arr[j][i] == src_clr)[0] == True:dst_arr[j][i] = dst_clrreturn np.asarray(dst_arr, dtype=np.uint8)img = ’1.jpg’img = Image.open(img).convert(’RGB’)res_img = img.copy()count = 20matrix_time = 0trans_time = 0for i in range(count):print(i)start = time.time()dst_img = replace_color(img, (8,10,51), (255,0,0))end = time.time()matrix_time += (end - start)start = time.time()dst_img = replace_color_tran(img, (8,10,51), (255,0,0))end = time.time()trans_time += (end - start)res_img = dst_imgres_img = Image.fromarray(res_img)res_img.save(’2.jpg’)print(’矩陣操作花費(fèi)時(shí)間：’, matrix_time / count )print(’遍歷操作花費(fèi)時(shí)間：’, trans_time / count )

以上這篇python 實(shí)現(xiàn)圖像快速替換某種顏色就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持好吧啦網(wǎng)。