PIL - 对每个像素应用相同的操作

Question

我创建一个图像并填充像素：

img = Image.new( 'RGB', (2000,2000), "black") # create a new black image
pixels = img.load() # create the pixel map

for i in range(img.size[0]):    # for every pixel:
    for j in range(img.size[1]):
      #do some stuff that requires i and j as parameter

这可以做得更优雅（并且可能更快，因为理论上循环是可并行化的）？

Answer 1

注意：我会先回答这个问题，然后提出一个我认为更好的替代方案

回答问题

如果不知道您打算应用哪些更改以及将图像加载为 PIL 图像是问题的一部分还是给定的，很难给出建议。

• 更优雅的 Python 语言通常意味着使用列表推导
• 对于并行化，您可以查看multiprocessing 模块或joblib 之类的东西

根据您在图像中创建/加载的方法，您可能会对list_of_pixels = list(img.getdata()) 和img.putdata(new_list_of_pixels) 函数感兴趣。

这可能是什么样子的一个例子：

from PIL import Image
from multiprocessing import Pool

img = Image.new( 'RGB', (2000,2000), "black")

# a function that fixes the green component of a pixel to the value 50
def update_pixel(p):
    return (p[0], 50, p[2])

list_of_pixels = list(img.getdata())
pool = Pool(4)
new_list_of_pixels = pool.map(update_pixel, list_of_pixels)
pool.close()
pool.join()
img.putdata(new_list_of_pixels)

但是，我认为这不是一个好主意...当您在 Python 中看到数千个元素的循环（和列表推导）并且您想到了性能时，您可以确定有一个库可以会让这更快。

更好的选择

首先，快速指向Channel Operations module， 由于您没有指定您打算执行的像素操作类型，并且您显然已经了解 PIL 库，因此我假设您已经知道它并且它不会执行您想要的操作。

然后，Python 中任何中等复杂的矩阵操作都将受益于拉入 Pandas、Numpy 或 Scipy...

纯 numpy 示例：

import numpy as np
import matplotlib.pyplot as plt
#black image
img = np.zeros([100,100,3],dtype=np.uint8)
#show
plt.imshow(img)
#make it green
img[:,:, 1] = 50
#show
plt.imshow(img)

由于您只是使用标准的 numpy.ndarray，因此您可以使用任何可用的功能，例如 np.vectorize、apply、map 等。使用 update_pixel 函数显示与上述类似的解决方案：

import numpy as np
import matplotlib.pyplot as plt
#black image
img = np.zeros([100,100,3],dtype=np.uint8)
#show
plt.imshow(img)
#make it green
def update_pixel(p):
    return (p[0], 50, p[2])
green_img = np.apply_along_axis(update_pixel, 2, img)
#show
plt.imshow(green_img)

再举个例子，这次直接从索引计算图像内容，而不是从现有图像像素内容（无需先创建空图像）：

import numpy as np
import matplotlib.pyplot as plt

def calc_pixel(x,y):
    return np.array([100-x, x+y, 100-y])

img = np.frompyfunc(calc_pixel, 2, 1).outer(np.arange(100), np.arange(100))    
plt.imshow(np.array(img.tolist()))
#note: I don't know any other way to convert a 2D array of arrays to a 3D array...

而且，很明显，scipy 具有读取和写入图像的方法，在两者之间，您可以使用 numpy 将它们作为“经典”多维数组进行操作。 （顺便说一句，scipy.misc.imread 取决于 PIL）

More example code.