熊猫 - 图像到 DataFrame

Question

我想将一个 RGB 图像转换成一个 DataFrame，这样我就有了每个像素的坐标和它们的 RGB 值。

         x   y   red  green  blue
0        0   0   154      0     0
1        1   0   149    111     0
2        2   0   153      0     5
3        0   1   154      0     9
4        1   1   154     10    10
5        2   1   154      0     0

我可以很容易地将 RGB 提取到 DataFrame 中

colourImg = Image.open("test.png")
colourPixels = colourImg.convert("RGB")
colourArray = np.array(colourPixels.getdata())

df = pd.DataFrame(colourArray, columns=["red","green","blue"])

但我不知道如何获取其中的 X 和 Y 坐标。我可以写一个循环，但是在一个需要很长时间的大图像上。

Answer 1

尝试使用np.indices 不幸的是，它最终会得到一个坐标是第一个维度的数组，但您可以做一些np.moveaxis 来解决这个问题。

colourImg = Image.open("test.png")
colourPixels = colourImg.convert("RGB")
colourArray = np.array(colourPixels.getdata()).reshape(colourImg.size + (3,))
indicesArray = np.moveaxis(np.indices(colourImg.size), 0, 2)
allArray = np.dstack((indicesArray, colourArray)).reshape((-1, 5))


df = pd.DataFrame(allArray, columns=["y", "x", "red","green","blue"])

这不是最漂亮的，但它似乎工作（编辑：固定 x，y 是错误的方式）。

Answer 2

如果 x 坐标是指原始像素数组的列号或行号，我将坐标“col”和“row”命名为明确的，以避免混淆：

A = colourArray

# Create the multiindex we'll need for the series
index = pd.MultiIndex.from_product(
    (*map(range, A.shape[:2]), ('r', 'g', 'b')),
    names=('row', 'col', None)
)

# Can be chained but separated for use in explanation
df = pd.Series(A.flatten(), index=index)
df = df.unstack()
df = df.reset_index().reindex(columns=['col', 'row', 'r', 'g', 'b'])

---

说明：

pd.Series(A.flatten(), index=index) 将创建一个多索引系列，其中每个通道强度都可以通过df[row_n, col_n][channel_r_g_or_b] 访问。 df 变量（目前是一个系列）现在看起来像这样：

row  col   
0    0    r    116
          g     22
          b    220
     1    r     75
          g    134
          b     43
              ... 
255  246  r     79
          g      9
          b    218
     247  r    225
          g    172
          b    172

unstack() 将旋转第三个索引（通道索引），返回一个包含b、g、r 列的数据帧，其中每一行都由(row_n, col_n) 的多索引索引。 df 现在看起来像这样：

           b    g    r
row col               
0   0    220   22  116
    1     43  134   75
    2    187   97   33
... ...  ...  ...  ...
255 226  156  242  128
    227  221   63  212
    228   75  110  193

然后我们调用reset_index() 以摆脱(row_n, col_n) 多索引，只拥有一个平坦的0..⁠(n_pixels-1) 索引。 df 现在是：

       row  col    b    g    r
0        0    0  220   22  116
1        0    1   43  134   75
2        0    2  187   97   33
...    ...  ...  ...  ...  ...
65506  255  226  156  242  128
65507  255  227  221   63  212
65508  255  228   75  110  193

然后一个简单的reindex() 将列重新排列为col、row、r、g、b 顺序。

---

时间安排：

现在至于运行速度有多快，嗯...对于 3 通道图像，时间如下：

Size       Time
  250x250  58.2 ms
  500x500   251 ms
1000x1000  1.03 s
2500x2500  8.14 s

诚然，图像 > 1 MP 的效果不佳。 unstack() 在 df 变得非常大后可能需要一段时间。

我试过@davidsheldon's solution，它的运行速度要快得多，对于 2500x2500 的图像，需要 244 毫秒，而对于 10000x10000 的图像，需要 9.04 秒。