RGBA 图像中所有不透明/黑色像素的 PIL 平均值答案

【问题标题】：PIL mean of all non-transparent/black pixels in RGBA imageRGBA 图像中所有不透明/黑色像素的 PIL 平均值
【发布时间】：2020-02-14 16:06:42
【问题描述】：

我想达到和中一样的效果：cv::mean for non black pixel

但是我正在使用 PIL 并将 PIL 图像转换为 cv 图像并返回太多开销。

我尝试过使用 mean_color = ImageStat.Stat(img).mean 得到平均颜色。但是，这也将包括所有透明像素。我想计算所有 alpha 值大于 0 的像素的平均值。所以是所有非完全透明像素的平均值。

我正在努力使代码保持良好和快速，因为我必须处理一堆文件。我希望有一些内置的 PIL 函数来执行此操作，但找不到。

【问题讨论】：

我更新了标签，让您获得更多可见性。祝你好运

标签： python numpy image-processing python-imaging-library

【解决方案1】：

这可能不是最干净的解决方案，但我得到了它的工作。

def mean(rgb, a):
    """
    Supply with an RGB PIL Image and Alpha Channel PIL Image.
    Calculates the mean over all non-fully-transparent pixels in rgb.
    """

    a_arr = np.array(a)       # Convert Alpha values Image to array.
    img_arr = np.array(rgb)   # Convert Image RGB values to array.
    mask = (a_arr > 0)        # Create mask from all non-transparent pixels
    stuff = img_arr[mask]     # Array containing all pixels that aren't transparent

    rows = len(stuff)         # Get the row size.
    if rows < 1:              # If all pixels are transparent:
        return (0, 0, 0)      # The mean is simply black
    cols = len(stuff[0])      # Else, continue with the size of cols

    data = np.zeros([cols, rows, 3], dtype = np.uint8) # Create an array to contain the pixels
    data[:] = stuff           # Put the pixels with at least a > 0 into the created array.

    c_img = Image.fromarray(data, 'RGB') # Convert back to RGB PIL Image
    return ImageStat.Stat(c_img).mean # Calculate the mean over all pixels

就性能而言，这对我来说已经足够了。

转换大约一千个 16x16 图像文件大约需要 3.44 秒。过程是：

取平均值然后保存Image.new('RGB', (16, 16), mean)。

【讨论】：