RGB 图像的像素强度以及如何将其与整数相乘以查看灰度阴影

Question

我有一个 RGB 图像，它有 4 种不同的颜色黑色（0,0,0）作为背景，绿色（106,136,93）蓝色（64,224,208）和棕色（168,124,85）。当我将图像读取为灰度并使用 np.unique() 它返回一个巨大的像素强度列表。 但实际上，只有 4 种强度，即 [0,1,2,3] 黑色、绿色、蓝色和棕色。

import cv2
import numpy as np

test = cv2.imread("test-BlackBG.png",0) #test image 

results = np.unique(test)     #returns [0,1,2,3,4,5,6,7,8...........132]
print(test.shape)             #returns (480, 640)
print(results)
cv2.imshow("image",test)
cv2.waitKey()
cv2.destroyAllWindows()

预期结果：当我将图像乘以 85 时，它应该以不同的灰度显示所有 3 种强度。

Answer 1

我认为边缘正在把它扔掉。尝试编写一个函数，将构成形状边缘的像素设置为该形状的确切颜色。

Answer 2

我不完全确定您在这里要求什么，但要确定图像的 RGB 像素强度，您可以隔离每个 R、G 和 B 通道，同时将其他通道设置为 0 .

原图

import cv2

image = cv2.imread('pikachu_smile.png')

blue = image.copy()
# Set green and red channels to 0
blue[:, :, 1] = 0
blue[:, :, 2] = 0

green = image.copy() 
# Set blue and red channels to 0
green[:, :, 0] = 0
green[:, :, 2] = 0

red = image.copy()
# Set blue and green channels to 0
red[:, :, 0] = 0
red[:, :, 1] = 0

cv2.imshow('blue', blue)
cv2.imshow('green', green)
cv2.imshow('red', red)

cv2.waitKey(0)

孤立的蓝色（左）、绿色（中）和红色（右）通道

要增加特定通道的强度，您可以为整个通道添加一个固定值。例如，使用绿色通道

green[:, :, 1] += 40

Answer 3

您的问题和假设有许多问题。

---

您无法使用np.unique(image)

您无法使用np.unique(im)的图像中的颜色。让我们来看看为什么通过仅具有4个强度的随机图像：0,1,2和3。

import numpy as np
import cv2

# Ensure repeatable, deterministic randomness!
np.random.seed(42)

# Make a random image
im = np.random.randint(0,4,(480,640,3), dtype=np.uint8)

看起来像这样，每行是一个像素的RGB三联网：

array([[[2, 2, 3],
    [3, 2, 1],
    [2, 2, 0],
    ...,
    [3, 3, 2],
    [0, 0, 1],
    [1, 1, 1]],
    ...,
    [3, 3, 1],
    [2, 3, 0],
    [0, 1, 3]]], dtype=uint8)

现在，如果你尝试获得这样的唯一颜色，它就不起作用，因为每个颜色是组合的3强度：

np.unique(im)    # prints: array([0, 1, 2, 3], dtype=uint8)

，如果您希望唯一颜色的数量，则需要查找三个RGB / BGR值的唯一组合数：

np.unique(im.reshape(-1, im.shape[2]), axis=0)

给出图像中唯一的RGB / BGR三联网的向量 - 每行都是唯一的颜色组合：

array([[0, 0, 0],
       [0, 0, 1],
       [0, 0, 2],
       [0, 0, 3],
       [0, 1, 0],
       [0, 1, 1],
       [0, 1, 2],
       [0, 1, 3],
       [0, 2, 0],
       [0, 2, 1],
       [0, 2, 2],
       [0, 2, 3],
       [0, 3, 0],
       [0, 3, 1],
       [0, 3, 2],
       [0, 3, 3],
       [1, 0, 0],
       [1, 0, 1],
       [1, 0, 2],
       [1, 0, 3],
       [1, 1, 0],
       [1, 1, 1],
       [1, 1, 2],
       [1, 1, 3],
       [1, 2, 0],
       [1, 2, 1],
       [1, 2, 2],
       [1, 2, 3],
       [1, 3, 0],
       [1, 3, 1],
       [1, 3, 2],
       [1, 3, 3],
       [2, 0, 0],
       [2, 0, 1],
       [2, 0, 2],
       [2, 0, 3],
       [2, 1, 0],
       [2, 1, 1],
       [2, 1, 2],
       [2, 1, 3],
       [2, 2, 0],
       [2, 2, 1],
       [2, 2, 2],
       [2, 2, 3],
       [2, 3, 0],
       [2, 3, 1],
       [2, 3, 2],
       [2, 3, 3],
       [3, 0, 0],
       [3, 0, 1],
       [3, 0, 2],
       [3, 0, 3],
       [3, 1, 0],
       [3, 1, 1],
       [3, 1, 2],
       [3, 1, 3],
       [3, 2, 0],
       [3, 2, 1],
       [3, 2, 2],
       [3, 2, 3],
       [3, 3, 0],
       [3, 3, 1],
       [3, 3, 2],
       [3, 3, 3]], dtype=uint8)

或，作为简单的唯一颜色：

len(np.unique(im.reshape(-1, im.shape[2]), axis=0))    # prints 64

所以，对于您的图像：

# Open image
im = cv2.imread('image.png',cv2.IMREAD_UNCHANGED)

# Count unique colours
len(np.unique(im.reshape(-1, im.shape[2]), axis=0)    # prints 790

---

有比预期的颜色更多 h1>

为什么我有比我期望更多的颜色？两个最常见的原因是：

• 图像被保存为JPEG Li>
• 存在抗锯齿的文本或绘制的形状

让我们看看jpeg如何拯救你！

# Load image and count colours
im = cv2.imread('image.png',cv2.IMREAD_UNCHANGED)
len(np.unique(im.reshape(-1, im.shape[2]), axis=0))    # prints 790

# Save as JPEG
cv2.imwrite('temp.jpg',im)

# Reload and recount just the same
im = cv2.imread('temp.jpg',cv2.IMREAD_UNCHANGED)
len(np.unique(im.reshape(-1, im.shape[2]), axis=0))    # prints 4666 !!!

---

如何将图像调用图像 - （将颜色缩小为固定调色板）？ h1>

如果要将图像映射到您自己的特定调色板，首先需要在BGR订单中指定您的调色板（@ 987654333）以匹配OpenCV的订购：

palette = np.array([
   [0,0,0],                # Black
   [93,136,106],           # Green
   [208,224,64],           # Blue
   [85,124,168]],          # Brown
   dtype=np.uint8)

然后读取您的图像丢弃完全无意义的alpha通道：

test = cv2.imread("image.png",cv2.IMREAD_COLOR)

然后从每个像素计算到每个调色板条目的距离：

distance = np.linalg.norm(test[:,:,None] - palette[None,None,:], axis=3)

然后选择每个像素最接近的一个调色板颜色：

palettised = np.argmin(distance, axis=2).astype(np.uint8)

您的图像现在处于阵列palettised并存储在每个像素位置是您的调色板中最接近的颜色的索引 - 所以，当您的调色板有4个条目（0..3），所有图像的元素是0,1,2或3。

所以，现在您可以将85乘以：

result = palettised * 85