图像处理中缺少颜色信息答案

【问题标题】：Color information missing from image processing图像处理中缺少颜色信息
【发布时间】：2017-11-27 03:10:51
【问题描述】：

我正在学习使用 numpy 来处理图像，但是缺少颜色信息。我想知道为什么会这样。

我的目标是提取两个图像之间的差异。

零步：加载库

import numpy as np
from PIL import Image

第一步：使用 RGBA 信息对图像进行矢量化

img_org = Image.open('lena.png').convert('RGBA')
arr_org = np.array(img_org)
img_mod = Image.open('lena_modified.png').convert('RGBA')
arr_mod = np.array(img_mod)
arr_diff= np.zeros_like(arr_mod)

第二步：通过逻辑规则找出两个图像之间的差异

for i in range(arr_mod.shape[0]) :
    for j in range(arr_mod.shape[1]) :
         if np.all(arr_mod[i, j]) == np.all(arr_org[i, j]):
             arr_diff[i,j] = (0,0,0,0)
         else :
             arr_diff[i, j] = arr_mod[i, j]

第三步：将图像RGBA信息切换回图像

img_diff = Image.fromarray(arr_diff, 'RGBA')
img_diff.save('ans_two.png')

我希望从修改后的莉娜图像中得到五颜六色的威利。像这样

但是，我不知道它只检测图像的轮廓/黑色部分。这有什么可能的原因吗？

免责声明：这是 homework 来自南大 2017 年春季开设的课程。我正在学习这门课程并自学。所以你不是在为我或其他任何人做作业。谢谢！

【问题讨论】：

您可以使用absdiff 方法来执行此操作。顺便说一句，如果可以的话，您应该始终提供expected 解决方案。 Difference 可以表示很多东西，严格来说是像素值差异或组合差异的差异。
感谢您的评论。我确实犯了一个错误，以获取它们的像素值之间的差异并得到有趣的结果。预期的解决方案是中间的图像，右下角有一个五颜六色的井。但是，我很好奇为什么我只有在拥有 RGBA 像素值时才能得到黑色轮廓。

标签： image python-3.x numpy python-imaging-library rgba

【解决方案1】：

修改你的 RGB 比较应该可以解决这个问题：

 if np.array_equal(arr_mod[i, j],arr_org[i, j]):
         arr_diff[i,j] = (0,0,0,0)
     else :
         arr_diff[i, j] = arr_mod[i, j]

问题是因为 np.all 如果所有值都为 True 或它们的 Truthiness 值为 true，则返回 True，下面的示例将在交互式控制台中返回 true

np.all([2,3,4,5]) == np.all([1,2,3,4])

这将在交互式控制台中返回 false：

np.all([2,3,4,5]) == np.all([0,2,3,4])

【讨论】：

【解决方案2】：

让我更详细地解释我的错误。正如@Abhijith pk 的解释，np.all 不是用于比较数组值（这里是像素值）。用于检查数组中的所有值是否为真。

例如，我检查右下角arr_org[511,511]=[ 75 18 18 255] & np.all([ 75 18 18 255])=True 表示没有一个 RGBA 元素是零。

但是，对于黑色轮廓，它的 RGBA 将为 [ 0 0 0 255] & np.all([0 0 0 255])=False 意味着某些 RGBA 元素为零。

我使用了错误的代码，但我巧合地得到了大纲。这是因为在原始 Lena 图像中，大多数/所有 RGBA 像素值都是非零且 np.all = True ；而在修改后的 Lena 图像中，Welly 的轮廓是黑色的，并且在 RGBA 像素值np.all = False 中为零。由于只有黑色轮廓具有从np.all 输出的false，因此我很幸运能够通过比较np.all 得到轮廓。

同样，使用np.all 对我来说是错误的。建议使用np.array_equal。我只是想分析一下得到黑色轮廓的巧合。

【讨论】：