文章目录
- 一、通过遍历替换
- 二、通过矩阵操作加快替换
- 三、结果对比
- 四、程序解释
- 五、完整的测试程序
最近的对图像数据进行处理的时候需要将图像中的某个颜色替换为另一个颜色，但是网络上找到的方法都是通过对图像的遍历进行替换，实在是太费时了！刚开始使用时觉得CPU很快了，一张图片应该用不了多久，但是实际使用中耗时确实难以接受的！于是自己写了一个替换程序加快速度，比遍历快很多，但我觉得不是最快的，应该有通过矩阵索引更快的处理方式，只是我自己暂时并不知道该如何实现，如果以后能够实现会进行更新，暂时先写下自己暂时觉得可用的代码。
一、通过遍历替换
将图像中某个颜色替换为另一个颜色一般的做法是遍历整个图像，逐一替换，如下：
def
replace_color_tran
(
img
,
src_clr
,
dst_clr
)
:
''' 通过遍历颜色替换程序
@param img: 图像矩阵
@param src_clr: 需要替换的颜色(r,g,b)
@param dst_clr: 目标颜色 (r,g,b)
@return 替换后的图像矩阵
'''
img_arr
=
np
.
asarray
(
img
,
dtype
=
np
.
double
)
dst_arr
=
img_arr
.
copy
(
)
for
i
in
range
(
img_arr
.
shape
[
1
]
)
:
for
j
in
range
(
img_arr
.
shape
[
0
]
)
:
if
(
img_arr
[
j
]
[
i
]
==
src_clr
)
[
0
]
==
True
:
dst_arr
[
j
]
[
i
]
=
dst_clr
return
np
.
asarray
(
dst_arr
,
dtype
=
np
.
uint8
)
二、通过矩阵操作加快替换
但是这样做，处理速度是很慢的即便是现在CPU很快的情况下。我自己通过numpy矩阵操作将速度提升了一点，具体做法如下：
- 将图像的三个通道拆分开来为R，G，B三个通道
- 将三个通道的数据值进行简单的编码，合并为单通道矩阵；
- 将需要替换的颜色进行同2的编码，利用改编码在2中得到的矩阵中得到对应颜色的索引；
- 利用3中得到的索引将R，G，B三个通道中的对应颜色值替换为目标值；
- 将得到的三个通道合并为一个图像数据。
具体实现如下:
def
replace_color
(
img
,
src_clr
,
dst_clr
)
:
''' 通过矩阵操作颜色替换程序
@param img: 图像矩阵
@param src_clr: 需要替换的颜色(r,g,b)
@param dst_clr: 目标颜色 (r,g,b)
@return 替换后的图像矩阵
'''
img_arr
=
np
.
asarray
(
img
,
dtype
=
np
.
double
)
r_img
=
img_arr
[
:
,
:
,
0
]
.
copy
(
)
g_img
=
img_arr
[
:
,
:
,
1
]
.
copy
(
)
b_img
=
img_arr
[
:
,
:
,
2
]
.
copy
(
)
img
=
r_img
*
256
*
256
+
g_img
*
256
+
b_img
src_color
=
src_clr
[
0
]
*
256
*
256
+
src_clr
[
1
]
*
256
+
src_clr
[
2
]
#编码
r_img
[
img
==
src_color
]
=
dst_clr
[
0
]
g_img
[
img
==
src_color
]
=
dst_clr
[
1
]
b_img
[
img
==
src_color
]
=
dst_clr
[
2
]
dst_img
=
np
.
array
(
[
r_img
,
g_img
,
b_img
]
,
dtype
=
np
.
uint8
)
dst_img
=
dst_img
.
transpose
(
1
,
2
,
0
)
return
dst_img
三、结果对比
先看下具体的实现结果，全部测试程序文末给出,(上面的图片是原图，下面是替换后的图片)。
四、程序解释
通过如下方式编码的原因是r，g，b三原色的数值本身是顺序相关的，为了保证最后索引的一致与准确性，采用将不同数值错位开。这里的magic number采用256是因为三原色的数值的范围是[0,255]，这样相乘可以保证数据在二进制上的完全相互交错而保证该编码是绝对正确的，当然也可以采用其他形式的编码或者数值选择其他数值，我这样选择是为了保险起见而已。
img
=
r_img
*
256
*
256
+
g_img
*
256
+
b_img
src_color
=
src_clr
[
0
]
*
256
*
256
+
src_clr
[
1
]
*
256
+
src_clr
[
2
]
#编码
五、完整的测试程序
完整的程序：
from
PIL
import
Image
import
os
import
numpy
as
np
import
time
def
replace_color
(
img
,
src_clr
,
dst_clr
)
:
''' 通过矩阵操作颜色替换程序
@param img: 图像矩阵
@param src_clr: 需要替换的颜色(r,g,b)
@param dst_clr: 目标颜色 (r,g,b)
@return 替换后的图像矩阵
'''
img_arr
=
np
.
asarray
(
img
,
dtype
=
np
.
double
)
#分离通道
r_img
=
img_arr
[
:
,
:
,
0
]
.
copy
(
)
g_img
=
img_arr
[
:
,
:
,
1
]
.
copy
(
)
b_img
=
img_arr
[
:
,
:
,
2
]
.
copy
(
)
#编码
img
=
r_img
*
256
*
256
+
g_img
*
256
+
b_img
src_color
=
src_clr
[
0
]
*
256
*
256
+
src_clr
[
1
]
*
256
+
src_clr
[
2
]
#索引并替换颜色
r_img
[
img
==
src_color
]
=
dst_clr
[
0
]
g_img
[
img
==
src_color
]
=
dst_clr
[
1
]
b_img
[
img
==
src_color
]
=
dst_clr
[
2
]
#合并通道
dst_img
=
np
.
array
(
[
r_img
,
g_img
,
b_img
]
,
dtype
=
np
.
uint8
)
#将数据转换为图像数据(h,w,c)
dst_img
=
dst_img
.
transpose
(
1
,
2
,
0
)
return
dst_img
def
replace_color_tran
(
img
,
src_clr
,
dst_clr
)
:
''' 通过遍历颜色替换程序
@param img: 图像矩阵
@param src_clr: 需要替换的颜色(r,g,b)
@param dst_clr: 目标颜色 (r,g,b)
@return 替换后的图像矩阵
'''
img_arr
=
np
.
asarray
(
img
,
dtype
=
np
.
double
)
dst_arr
=
img_arr
.
copy
(
)
for
i
in
range
(
img_arr
.
shape
[
1
]
)
:
for
j
in
range
(
img_arr
.
shape
[
0
]
)
:
if
(
img_arr
[
j
]
[
i
]
==
src_clr
)
[
0
]
==
True
:
dst_arr
[
j
]
[
i
]
=
dst_clr
return
np
.
asarray
(
dst_arr
,
dtype
=
np
.
uint8
)
img
=
'1.jpg'
img
=
Image
.
open
(
img
)
.
convert
(
'RGB'
)
res_img
=
img
.
copy
(
)
count
=
20
matrix_time
=
0
trans_time
=
0
for
i
in
range
(
count
)
:
print
(
i
)
start
=
time
.
time
(
)
dst_img
=
replace_color
(
img
,
(
8
,
10
,
51
)
,
(
255
,
0
,
0
)
)
end
=
time
.
time
(
)
matrix_time
+=
(
end
-
start
)
start
=
time
.
time
(
)
dst_img
=
replace_color_tran
(
img
,
(
8
,
10
,
51
)
,
(
255
,
0
,
0
)
)
end
=
time
.
time
(
)
trans_time
+=
(
end
-
start
)
res_img
=
dst_img
res_img
=
Image
.
fromarray
(
res_img
)
res_img
.
save
(
'2.jpg'
)
print
(
'矩阵操作花费时间：'
,
matrix_time
/
count
)
print
(
'遍历操作花费时间：'
,
trans_time
/
count
)
