numpy中图片颜色替换和过滤操作技巧

最新推荐文章于 2025-02-04 22:33:21 发布
原创 最新推荐文章于 2025-02-04 22:33:21 发布 · 3.1k 阅读 · 5 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍使用NumPy进行图像处理的三个实用技巧：通过颜色数值和进行黑白转换；利用颜色值带位置信息实现特定颜色替换；以及利用位运算进行颜色过滤。此外，还提供了一个用NumPy实现的透明图叠加到底图上的方法，该方法可以替代Image.alpha_composite函数，减少图像格式转换带来的性能损耗。

技巧一, 利用颜色数值的和进行黑白色的操作

		npImg = np.array(img)
        yansemask = npImg[:,:,0] + npImg[:,:,1] + npImg[:,:,2] # 将3个通道的颜色值加起来, ==0 的是黑色, 等于 255 * 3 =765 的是白色

        npImg[yansemask == 0] = 255 # 黑色的全变成白色 
        npImg[yansemask != 0] = 0   # 不是黑色的改成黑色.

技巧二, 利用颜色数值带位置信息的和的操作

		npImg = np.array(img)
        yansemask = npImg[:,:,0] * 1000000 + npImg[:,:,1] * 1000  + npImg[:,:,2] # 将3个通道的颜色值加起来, 红色的代码是 (255,0,0) 那么它的数值为2550000
		
		#RGB适用
        npImg[yansemask == 255000000] = 255 # 红色的全变成白色 RGB适用,RGBA则应改成下面这种
        #RGBA 适用
        for i in range(3):
        	npImg[:
最低0.47元/天 解锁文章
Numpy进阶(一) — 修改图片中的指定颜色
小张Python
03-29 4804
提出需求 做图像处理时，有时会遇到换色问题，就例如下面图片(网上找的小姐姐图片，侵删)的背景图并不喜欢，我想换成蓝色的要怎么做呢 这时候肯定会有小伙伴会想到PS，PS 工具当然是首选，但是如果有大量图片需要更换的时候 PS 显然并不是一个好方案，这时候可以借助 Python 来实现 原理讲解 在换色之前，需要了解一下图片成像编码知识，平常我们常用到的图片编码都为 RGB 格式，是由R、G、B ...
python读取图像的方法总结
RF~or的博客
06-01 4838
以读取下面的图片为例：（其中前两种方法是我自己常用的方法） 1. 利用python图像处理类库PIL(Python Imaging Library)中的Image函数。 import numpy as np from PIL import Image img=Image.open('./go.jpg') img.show() print(img) #输出图片的属性，不能输出矩阵形式 输出结果...
pytorch学习笔记2-tensorboard使用
ThreeS_tones的博客
01-19 848
tensorboard的使用，writer.add_image，writer.add_scalar
python中用numpy库处理图片（改变颜色、手绘风格）
Noswimming的博客
09-12 1164
python中用numpy库处理图片（改变颜色、手绘风格） 本文仅仅作为个人的学习记录，内容为北京理工大学嵩天老师慕课平台课上讲解 成品： 代码：
巧用numpy中的all方法进行python-opencv多通道颜色替换
wangrui449966的博客
09-10 998
在numpy中进行对颜色A到颜色B的替换时，用遍历的方法是非常慢的，后来发现有人提出使用rgb颜色分离的方法，对rgb三个通道分别进行颜色替换，链接如下： https://zhuanlan.zhihu.com/p/341306851 可见非常繁琐，且RGB三个颜色要分别出现在代码的不同地方，容易出错。 后来我发现all方法可以带参数，对某一坐标的真值进行合并，代码如下： mat[(mat== [255, 0, 0]).all(2)] = [0, 0, 255] 仅仅使用一行代码就完成了对三通道颜色
05篇--图片颜色识别与替换--掩膜的运用
2301_78106697的博客
12-13 1269
HSV颜色空间，掩膜的使用
numpy学习
li_xin_smile的博客
07-26 765
Python是一种计算机程序设计语言. 完成同一个任务，C语言要写1000行代码，Java只需要写100行，而Python可能只要20行. 代码少的代价是运行速度慢，C程序运行1秒钟，Java程序可能需要2秒，而Python程序可能就需要10秒. *********** 命令行交互模式 *********** 在Windows开始菜单选择“命令提示符”，就进入到命令行模式，它的提示符类似 C:\> 在命令行模式下敲命令python ，然后就进入到Python交互模式
数据分析-numpy、pandas、matplotlib
安徒生的博客
04-28 1908
Matplotlib是一个用于创建静态、动态和交互式图形的2D绘图库。它可以绘制线图、散点图、直方图等各种类型的图表，用于可视化数据和结果。
Python NumPy高效数据处理与分析实战，轻松应对大规模数据!!
AI Agent 首席体验官
02-04 1041
Python NumPy高效数据处理与分析实战
使用numpy处理图片——滤镜
方亮的专栏
01-10 823
我们在用手机拍照片时，往往会对照片进行滤镜处理，从而让照片更加美观。本文我们将实现几种滤镜效果——去除所有像素中的某一种原色，形成只有红绿、红蓝和绿蓝原色的照片。为了突出色彩丰富性，我们借用梵高的《星空》为测试照片。在《一文中，我们介绍了RGBA色彩空间模型。本文我们将忽略Alpha通道，只考虑RGB模型。于是我们得到的数组将是height * width * 3，其中的3是RGB的值所在的维度长度。我们希望把上图中不同原色的数组进行切分，然后通过不用原色的组合获得新图片。
【笔记】Image 与 numpy 互相转化
nyist_yangguang的博客
12-26 3076
python——numpy_1图像基本操作
weixin_30256901的博客
08-08 769
1.图像的数组表示： from PIL import Image from pylab import * from numpy import * im = array(Image.open('E:\Python\meinv.jpg')) print(im.shape,im.dtype) im = array(Image.open('E:\Python\meinv.jpg').c...
PIL.image数据转换为Numpy和Tensor
weixin_43118280的博客
04-07 4349
PIL.image数据转换为Numpy和Tensor import numpy as np from PIL import Image import torch ##PIL.Image pil_img = Image.open('./dog.jpg').convert('RGB') print(type(pil_img)) ##<class 'PIL.Image.Image'> ## ToNumpy np_img = np.array(pil_img, dtype=np.uint8)
图片numpy 取值_Numpy进阶(一) — 替换图片中的指定颜色！
weixin_39957068的博客
01-28 543
提出需求做图像处理时，有时会遇到换色问题，就例如下面图片(网上找的小姐姐图片，侵删)的背景图并不喜欢，我想换成蓝色的要怎么做呢这时候肯定会有小伙伴会想到PS，PS 工具当然是首选，但是如果有大量图片需要更换的时候 PS 显然并不是一个好方案，这时候可以借助 Python 来实现原理讲解在换色之前，需要了解一下图片成像编码知识，平常我们常用到的图片编码都为 RGB 格式，是由R、G、B ...
使用Numpy库进行图像处理
cd_sywe的博客
03-28 6197
图像 图像是高度×宽度的像素矩阵。 如果图像是黑白的（即灰度），则每个像素可以由单个数字表示（通常在0（黑色）和255（白色）之间）。想要裁剪图像的左上角10 x 10像素部分？告诉NumPy让你image[:10,:10]。 这是一个图像文件的片段： 如果图像是彩色的，则每个像素由三个数字表示（RGB）。在这种情况下，我们需要第三维（因为每个单元格只能包含一个数字）。因此彩色图像由尺寸的ndarray表示：(高x宽x 3）。 ...
python第二阶段（19）numpy入门基础-可视化之颜色和样式
DD546250327的博客
10-05 1256
numpy入门基础-可视化之颜色和样式1、颜色1）内置颜色2）灰度阴影3）十六进制表示颜色4）RGB元组表示颜色2、点和线的样式1）点样式2）线样式3）点和线的混用样式3、作业 演示： 1、颜色 1）内置颜色 八种内建默认颜色缩写 b: blue g: green r: red c: cyan m: magenta y: yellow k: black w: white in： import numpy as np #导入 numpyas import matplotlib.pyplot as plt #导
Python 图片处理（1） 如何增加亮度、如何添加颜色滤镜 、如何模糊图片（Pillow PIL）
wendyw1999的博客
06-01 5300
文章目录载入图片载入各种包载入图片压缩图片滤镜增加明亮度RGB是什么增加明亮度添加一个红色滤镜紫色滤镜PIL模糊滤镜 载入图片 载入各种包 # import packages from PIL import Image from PIL import ImageFilter import numpy as np import numpy as np import pandas as pd import re import matplotlib.pyplot as mpl from urllib.parse
numpy：图像RGB用numpy降低为灰度值
NockinOnHeavensDoor的博客
04-11 2896
下载图像： from sklearn.datasets import load_sample_image china = load_sample_image("china.jpg") flower = load_sample_image("flower.jpg") 截图部分图像： image = china[150:220, 130:250] 获取图像的高度，宽度，色道： h...
numpy处理图像
viafcccy的博客
03-25 1188
图片在计算机中中以矩阵的方式保存，使用np对矩阵处理有两个好处 1.np是py专门进行数组操作的库有较多函数 2.针对py性能优化对于大的数据矩阵有更好的操作性 import cv2 import numpy as np img = np.zeros((300,300)) #生成一个300*300的零矩阵 img[0,0] = 255 #设置右上角的点为白色 cv2.imshow("te...
Opencv查找两张图片不同的部分以及图片中特定的像素替换
最新发布
04-15
<think>好的，我需要帮助用户使用OpenCV来比较两张图片，找出不同部分，并替换特定像素。首先，我需要理清用户的需求：他们想要比较两张图片，找出差异区域，然后替换这些区域中的某些像素。这可能用于图像处理中的变化检测、去水印或者图像修复等场景。 首先，我应该考虑如何用OpenCV实现图像比较。通常，比较两幅图像的差异可以使用绝对差方法，比如cv2.absdiff函数。这会生成一个差异图像，其中非零像素表示两图在该位置有差异。但用户可能需要更精确地定位差异区域，可能需要进一步处理，比如阈值化、形态学操作来去除噪声，或者找到轮廓来定位差异区域。 接下来是替换特定像素。用户可能想将差异部分的像素替换成另一张图的像素，或者用某种颜色覆盖。例如，将差异区域用红色高亮显示，或者用另一张图的对应像素替换。因此，步骤可能包括：计算差异、二值化差异图像、找到差异区域，然后遍历这些区域的像素进行替换。 我需要确保代码示例正确，并且步骤清晰。可能需要用到的OpenCV函数包括absdiff、threshold、findContours、drawContours或者直接遍历像素。同时，用户可能需要了解如何读取图像、处理颜色空间（比如转换为灰度图以减少计算量），以及保存结果。 另外，用户提供的引用内容似乎不相关，可能引用了错误的来源。但根据用户的问题，我应该专注于OpenCV的相关方法，而忽略不相关的引用。 可能的步骤如下： 1. 读取两张图片。 2. 计算绝对差得到差异图像。 3. 对差异图像进行二值化，得到二值掩模。 4. 可选：使用形态学操作（如膨胀、腐蚀）来优化掩模。 5. 找到差异区域的轮廓。 6. 遍历这些区域，替换像素。例如，用红色填充差异区域，或者用另一张图的像素替换。 需要注意图像的大小和通道数是否一致，否则需要先调整尺寸或转换颜色空间。此外，处理后的图像保存格式也需要正确。 现在，我需要验证这些步骤是否正确，并确保代码示例能够运行。例如，使用absdiff后，需要将结果转换为灰度图，再进行阈值处理。然后，使用findContours获取差异区域，最后在这些区域中替换像素。 可能的问题包括：如何处理彩色图像与灰度图像的差异，如何高效替换像素，以及如何处理较大的差异区域。此外，用户可能需要调整阈值参数来适应不同的图片情况，这可能需要一些实验。 最后，我应该生成相关问题，帮助用户深入理解，比如如何优化差异检测、如何处理动态光照变化的影响，或者如何批量处理多组图像。</think>要使用OpenCV比较两张图片的差异并替换特定像素，可以按照以下步骤操作： ### 步骤1: 读取图像并确保尺寸一致 ```python import cv2 import numpy as np img1 = cv2.imread('image1.jpg') img2 = cv2.imread('image2.jpg') # 确保图像尺寸相同 if img1.shape != img2.shape: img2 = cv2.resize(img2, (img1.shape[1], img1.shape[0])) ``` ### 步骤2: 计算差异图像 使用$cv2.absdiff()$计算像素级差异： ```python diff = cv2.absdiff(img1, img2) ``` ### 步骤3: 二值化处理差异区域 将差异转换为灰度图并进行阈值分割： $$gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)$$ $$_, threshold = cv2.threshold(gray, 30, 255, cv2.THRESH_BINARY)$$ ### 步骤4: 优化差异区域 使用形态学操作消除噪声： ```python kernel = np.ones((3,3), np.uint8) threshold = cv2.dilate(threshold, kernel, iterations=1) ``` ### 步骤5: 定位差异区域并替换像素 找到轮廓并替换为红色标记： ```python contours, _ = cv2.findContours(threshold, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) result = img1.copy() for cnt in contours: x,y,w,h = cv2.boundingRect(cnt) result[y:y+h, x:x+w] = [0, 0, 255] # 替换为红色 ``` ### 步骤6: 保存与显示结果 ```python cv2.imshow('Differences', result) cv2.waitKey(0) cv2.destroyAllWindows() ``` ### 代码说明 1. 差异检测：通过计算像素绝对差找到不同区域 2. 阈值处理：过滤微小差异（阈值30可调整） 3. 形态学优化：消除孤立噪声点 4. 轮廓定位：精确标记差异区域边界 5. 像素替换：示例中使用红色覆盖差异区域，可根据需求修改替换逻辑
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值