RGB 值和像素

Question

def normalize_brightness(img: Image) -> Image: """

 Normalize the brightness of the given Image img by:

1. 计算图片的平均亮度： - 这可以通过计算每个像素的平均亮度来完成 在 img 中（每个像素的平均亮度是值的总和 像素的红色、蓝色和绿色，除以 3 作为浮点除法） - 图片的平均亮度是所有亮度的总和 像素平均值，除以img的宽度和高度的乘积

2. 找到因子，我们称它为 x，我们可以乘以 平均亮度为 128。

3. 将每个像素中的颜色乘以这个因子 x """

   img_width, img_height = img.size
   pixels = img.load()  # create the pixel map
   h = 0
   for i in range(img_width):
       for j in range(img_height):
           r, g, b = pixels[i, j]
           avg = sum(pixels[i, j]) / 3
           h += avg
   total_avg = int(h / (img_width * img_height))
   x = 128 // total_avg
   r, g, b = pixels[i, j]
   pixels[i, j] = (r * x, g * x, b * x)
   return img
   

   我对自己做错了什么感到有些迷茫，有人可以帮忙吗？

Answer 1

在使用 Python 进行图像处理时，您确实应该尽可能避免 for 循环，因为它非常缓慢、冗长、难以阅读并且更可能包含错误。尝试使用向量化的 Numpy 函数，或 OpenCV 或 PIL 内置函数。

#!/usr/bin/env python3

from PIL import Image
import numpy as np

def normalize(im):
   """Normalise brightness of image"""

   # Convert to Numpy array
   na = np.array(im, dtype=np.float32)

   # Calculate average brightness
   avg = na.mean()

   # Calculate factor x
   x = 128 / avg

   # Scale whole array as float since likely fractional
   na *= x

   # Convert back to PIL Image and return
   return Image.fromarray(na.astype(np.uint8))

# Load image and normalize
im = Image.open('start.png').convert('RGB')
result = normalize(im)
result.save('result.png')

这段代码在我的机器上运行大约 800 微秒，而任何带有 for 循环的版本都需要大约 70 倍的时间。

输入图片：

结果：

Answer 2

您获取因子的计算代码似乎没问题，处理每个像素以获得平均值总和的平均值。

但是，您用于调整亮度的 修改 代码不是在类似的循环中完成的，因此它将在 一个 像素上运行，我什至不确定该像素甚至在图像中内。您也应该在循环中执行此操作：

for i in range(img_width):
    for j in range(img_height):
        (r, g, b) = pixels[i, j]
        pixels[i, j] = (r * x, g * x, b * x)

这应该替换您目前拥有的内容的倒数第三行和倒数第二行（在x = ... 和return ... 之间）。所以你最终会得到的是：

img_width, img_height = img.size
pixels = img.load()  # create the pixel map
h = 0
for i in range(img_width):
    for j in range(img_height):
        r, g, b = pixels[i, j]
        avg = sum(pixels[i, j]) / 3
        h += avg
total_avg = int(h / (img_width * img_height))
x = 128 // total_avg

# == New stuff below
for i in range(img_width):
    for j in range(img_height):
        (r, g, b) = pixels[i, j]
        pixels[i, j] = (r * x, g * x, b * x)
# == New stuff above

return img

---

需要注意的其他一些事项：

首先，我不确定在这里返回img 是否正确，除非pixels 是对图像中像素的引用（而不是副本）。您可能也想检查一下。

此外，对于某些输入数据集，[rgb] * x 的值可能为您提供超过 255 的值。如果是这种情况，您可能希望将它们限制在0..255 范围内，以确保不会发生这种情况。类似的东西（替换上面代码中的“新东西”）：

for i in range(img_width):
    for j in range(img_height):
        # Get original pixel.

        (r, g, b) = pixels[i, j]

        # Scale with upper limit.

        r = min(255, r * x)
        g = min(255, g * x)
        b = min(255, b * x)

        # Replace pixel with scaled one.

        pixels[i, j] = (r, g, b)

Answer 3

首先感谢paxdiablo 分享他的答案。

我只想改进答案。

可以使用列表理解来优化平均值的计算，例如：

x = 128 // (sum([sum(pixels[i, j]) / 3 for i in range(img_width) for j in range(img_height)]) / (img_width * img_height))

所以我的完整答案是：

标准化给定图像的亮度

img_width, img_height = img.size
pixels = img.load()  # create the pixel map

x = 128 // (sum([sum(pixels[i, j]) / 3 for i in range(img_width) for j in range(img_height)]) / (img_width * img_height))

for i in range(img_width):
    for j in range(img_height):
        r, g, b = pixels[i, j]
        pixels[i, j] = [min(255, r * x), min(255, g * x), min(255, b * x)]

return img