我正在尝试进行视频处理,我希望能够有效地获得所有像素,红色在100以上,绿色在100以下,蓝色在100以下。我设法用for循环做了3个评估每个像素,但这太慢了,每帧需要13秒。我目前正在使用cv2来获取图像,并具有处理代码
retval = np.delete(frame, (0, 1), 2) #extracts just red of the pixels
retval = np.argwhere(retval>100) #extracts where red is above 100
retval = np.delete(retval, 2, 1) #removes the actual color value, leaving it as coordinates
这使得我对红色值大于100的任何东西都有部分解决方案,但它也包括棕色和白色等不理想的东西。这个循环需要发生得非常快,这就是为什么我想使用numpy,但我不确定要使用什么命令。任何帮助将不胜感激。 “frame”数组的结构如下,格式为BGR,而不是RGB。第一个索引是x坐标,第二个索引是y坐标,第三个索引是0,1或2,对应于蓝色,绿色和红色。
[[[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
...,
[ 8, 20, 8],
[ 12, 15, 20],
[ 16, 14, 26]],
[[255, 0, 0],
[ 37, 27, 20],
[ 45, 36, 32],
...,
[177, 187, 157],
[180, 192, 164],
[182, 193, 167]]]
尝试制作三个布尔掩码,每个条件一个,然后将它们与np.logical_and
合并
im = #define the image suitably
mask = np.logical_and.reduce((im[:,:,0]<100,im[:,:,1]<100,im[:,:,2]>100))
im[mask] # returns all pixels satisfying these conditions
这很快。它基于两个numpy功能:广播和屏蔽。您可以而且应该在numpy文档中阅读这些内容。您只需要针对相对复杂的任务进行循环。
编辑:
如果你想要像素的索引,那么
i,j = np.where(mask)
那么像素值就是
im[i,j]