opencv：使用 r>b>g 提取像素答案

【问题标题】：opencv: extract pixels with r>b>gopencv：使用 r>b>g 提取像素
【发布时间】：2020-01-24 21:09:07
【问题描述】：

我正在尝试在 python 中使用 opencv 从图像中仅提取带有 r>b>g 的像素。我不想使用 .split() 因为它太慢了。有人可以帮我吗？

我尝试过这样的事情：（但太慢了）

b,g,r = cv2.split(resized)

ma1 = np.logical_or(r>b,b>g)

编辑，我想做这样的事情：

img[img[2]>img[1] and  img[1]>img[0]]=0

【问题讨论】：

为什么不use numpy directly？
如果不使用 for 循环，我找不到如何比较数组中每个元组的元素。
图片具有这种形状：img =[ (blue,green,red), (blue,green,red) , ... ] 并且在 numpy 文档中找不到如何做到这一点。
为了更清楚，我想做这样的事情：img[img[2]>img[1] and img[1]>img[0]]=0

标签： python opencv image-processing mask

【解决方案1】：

我不确定这是否会产生预期的结果，但这对我来说没有错误

img = cv2.imread(...)

img[ (img[:,:,2] > img[:,:,1]) & (img[:,:,1] > img[:,:,0]) ] = 0

cv2.imshow('image', img)

我不必拆分它。

因为cv2 使用BGR 而不是RGB，所以我必须以不同的顺序进行比较。

我可以使用

转换为 RGB

img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

但我必须将其转换回BGR 才能显示它。

顺便说一句：cv2 使用 numpy 数组来保存 img

print( type(img) )

<class 'numpy.ndarray'>

【讨论】：

糟糕，我发现我的和你的差不多。我会留下它，因为它会生成测试数据并保存结果而不覆盖原始数据，所以略有不同。给你点赞和点赞:-)
@MarkSetchell 代码中的示例数据是轻松快速测试代码的好主意。我喜欢在你的代码中使用...，这是我以前从未见过的。

【解决方案2】：

你可以这样做：

import numpy as np

# Generate random image
np.random.seed(42)
r = np.random.randint(0,256,(8,5,3), dtype=np.uint8) 

# Make space for results
res = np.zeros((8,5),dtype=np.uint8)

# Calculate mask
res[(r[...,0]>r[...,1]) & (r[...,1]>r[...,2])] = 1

输入数组r:

array([[[102, 220, 225],
        [ 95, 179,  61],
        [234, 203,  92],   <--- matches
        [  3,  98, 243],
        [ 14, 149, 245]],

       [[ 46, 106, 244],
        [ 99, 187,  71],
        [212, 153, 199],
        [188, 174,  65],   <--- matches
        [153,  20,  44]],

       [[203, 152, 102],   <--- matches
        [214, 240,  39],
        [121,  24,  34],
        [114, 210,  65],
        [239,  39, 214]],

       [[244, 151,  25],
        [ 74, 145, 222],
        [ 14, 202,  85],
        [145, 117,  87],
        [184, 189, 221]],

       [[116, 237, 109],
        [ 85,  99, 172],
        [226, 153, 103],
        [235, 146,  36],
        [151,  62,  68]],

       [[181, 130, 160],
        [160, 166, 149],
        [  6,  69,   5],
        [ 52, 253, 112],
        [ 14,   1,   3]],

       [[ 76, 248,  87],
        [233, 212, 184],
        [235, 245,  26],
        [213, 157, 253],
        [ 68, 240,  37]],

       [[219,  91,  54],
        [129,   9,  51],
        [  0, 191,  20],
        [140,  46, 187],
        [147,   1, 254]]], dtype=uint8)

结果数组：

array([[0, 0, 1, 0, 0],
       [0, 0, 0, 1, 0],
       [1, 0, 0, 0, 0],
       [1, 0, 0, 1, 0],
       [0, 0, 1, 1, 0],
       [0, 0, 0, 0, 0],
       [0, 1, 0, 0, 0],
       [1, 0, 0, 0, 0]], dtype=uint8)

【讨论】：