使用 Python / PIL 检测 HSV 颜色空间中的阈值（来自 RGB）

Posted 2023-03-25

【中文标题】使用 Python / PIL 检测 HSV 颜色空间中的阈值（来自 RGB）

【英文标题】：Detecting thresholds in HSV color space (from RGB) using Python / PIL

【发布时间】：2011-06-20 21:28:30

【问题描述】：

我想拍摄一张 RGB 图像并将其转换为黑白 RGB 图像，如果像素的 HSV 值在某个范围之间，则该像素为黑色，否则为白色。

目前我创建了一个新图像，然后通过迭代其数据创建一个新像素值列表，然后.putdata() 该列表形成新图像。

感觉应该有一种更快的方法来做到这一点，例如与.point()，但似乎.point() 没有得到给定的像素，而是从0 到255 的值。是否有.point() 变换但在像素上？

【问题讨论】：

图片是否需要转为HSV？您可能会考虑在您的要求范围内进行转换以找到足够的 RGB 要求窗口（转换不是线性的，所以想知道近似值是否可以）

你使用 NumPy 吗？当事情不是“标准”图像调整时，我通常会避开大多数用于 numpy 数组操作的 PIL 函数。

我可以使用 numpy，虽然我不熟悉它。是的，转换必须是 hsv，但如果不是，我将如何使用 rgb 进行转换？

例如，如果您的 HSV 窗口很窄，并且您想从特定颜色的任何方向捕获一个具有 10 个 HSV 值的球体中的所有颜色，那么近似RGB 中的相同窗口，但它可能更像是一个椭圆形窗口，围绕着 RGB 空间中的相同颜色。

我使用scikits.image.color.rgb2hsv() 来获取 HSV 值，如果你能负担得起安装 numpy/scipy/et al 的费用，那就太好了。但是@paul 我敢打赌 HSV 函数不在 PIL 中，因为没有任何图像二进制格式将其数据存储为 HSV 值。此外，最近 PIL 中并没有添加太多东西......

【参考方案1】：

好的，这确实工作（修复了一些溢出错误）：

import numpy, Image
i = Image.open(fp).convert('RGB')
a = numpy.asarray(i, int)

R, G, B = a.T

m = numpy.min(a,2).T
M = numpy.max(a,2).T

C = M-m #chroma
Cmsk = C!=0

# Hue
H = numpy.zeros(R.shape, int)
mask = (M==R)&Cmsk
H[mask] = numpy.mod(60*(G-B)/C, 360)[mask]
mask = (M==G)&Cmsk
H[mask] = (60*(B-R)/C + 120)[mask]
mask = (M==B)&Cmsk
H[mask] = (60*(R-G)/C + 240)[mask]
H *= 255
H /= 360 # if you prefer, leave as 0-360, but don't convert to uint8

# Value
V = M

# Saturation
S = numpy.zeros(R.shape, int)
S[Cmsk] = ((255*C)/V)[Cmsk]

# H, S, and V are now defined as integers 0-255

它基于***对HSV 的定义。当我有更多时间时，我会看看它。肯定有加速，也许还有错误。如果你找到任何东西，请告诉我。干杯。

---

结果：

从这个色轮开始：

我得到了这些结果：

色相：

价值：

饱和度：

【讨论】：

我从未见过这种使用面具的方式。我必须承认它比我的方法更容易遵循。

我会删除它们。您介意使用相同的色轮发布您自己的结果吗？ .png 可以在这里找到：palette.com/hsvwheel.png

色度 (c) 始终定义为 M-m，无论型号如何。 Value v 的定义应在您的代码中更改为 M。值始终为M，并且特定于六角锥模型。

使用您的代码会导致除以零，因为C 似乎为零（使用 hsvwheel.png）？！

我修复了上面的代码并添加了 RGB_TO_HSL。请参阅我在此线程中的帖子。

【参考方案2】：

编辑 2：现在返回的结果与 Paul 的代码相同，因为它应该...

import numpy, scipy

image = scipy.misc.imread("test.png") / 255.0

r, g, b = image[:,:,0], image[:,:,1], image[:,:,2]
m, M = numpy.min(image[:,:,:3], 2), numpy.max(image[:,:,:3], 2)
d = M - m

# Chroma and Value
c = d
v = M

# Hue
h = numpy.select([c ==0, r == M, g == M, b == M], [0, ((g - b) / c) % 6, (2 + ((b - r) / c)), (4 + ((r - g) / c))], default=0) * 60

# Saturation
s = numpy.select([c == 0, c != 0], [0, c/v])

scipy.misc.imsave("h.png", h)
scipy.misc.imsave("s.png", s)
scipy.misc.imsave("v.png", v)

它给出了从 0 到 360 的色调，从 0 到 1 的饱和度和从 0 到 1 的值。我查看了图像格式的结果，它们看起来不错。

通过阅读您的问题，我不确定是否只是您感兴趣的 HSV 中的 V 中的“值”。如果是，那么您可以绕过大部分代码。

然后，您可以根据这些值选择像素，并使用以下方法将它们设置为 1（或白色/黑色）：

newimage = (v > 0.3) * 1

【讨论】：

我收回了。这只是一个约定，灰度值定义为 0 的色调。只要您知道它们的存在，NAN 的工作就很好。

哇！几乎降到一个班轮！您缺少一个括号，并且未定义 d。色相测试中的条纹消失了，但还有其他问题。我想知道 scipy 的 misc.image 工具是否在做一些奇怪的事情？

我一定是在编辑过程中复制并粘贴了。顺便说一句，干得好。我一直希望在 numpy 中有一个 select-type 函数。现在我知道有一个！

这是我使用你的算法得到的色调：i.imgur.com/JKUsa.jpg 你也得到同样的结果吗？你用的是什么版本的 scipy？

这是一张单色图像。圆圈中心的像素具有非零的色调，但您的算法说它们为零。我采取了额外的步骤，将您的数组转换为“uint8”数组并通过 PIL (Image.fromarray((255*h/360).astype('uint8'),'L').save('hsvwheel_Hb2.png')) 输出，我得到了相同的结果。这意味着该错误与 scipy 的 misc.imsave() 函数无关。你的算法还是有问题。

【参考方案3】：

此解决方案基于 Paul 的代码。我修复了 DivByZero 错误并将 RGB 实现为 HSL。还有HSL转RGB：

import numpy

def rgb_to_hsl_hsv(a, isHSV=True):
    """
    Converts RGB image data to HSV or HSL.
    :param a: 3D array. Retval of numpy.asarray(Image.open(...), int)
    :param isHSV: True = HSV, False = HSL
    :return: H,S,L or H,S,V array
    """
    R, G, B = a.T

    m = numpy.min(a, 2).T
    M = numpy.max(a, 2).T

    C = M - m #chroma
    Cmsk = C != 0

    # Hue
    H = numpy.zeros(R.shape, int)
    mask = (M == R) & Cmsk
    H[mask] = numpy.mod(60 * (G[mask] - B[mask]) / C[mask], 360)
    mask = (M == G) & Cmsk
    H[mask] = (60 * (B[mask] - R[mask]) / C[mask] + 120)
    mask = (M == B) & Cmsk
    H[mask] = (60 * (R[mask] - G[mask]) / C[mask] + 240)
    H *= 255
    H /= 360 # if you prefer, leave as 0-360, but don't convert to uint8


    # Saturation
    S = numpy.zeros(R.shape, int)

    if isHSV:
        # This code is for HSV:
        # Value
        V = M

        # Saturation
        S[Cmsk] = ((255 * C[Cmsk]) / V[Cmsk])
        # H, S, and V are now defined as integers 0-255
        return H.swapaxes(0, 1), S.swapaxes(0, 1), V.swapaxes(0, 1)
    else:
        # This code is for HSL:
        # Value
        L = 0.5 * (M + m)

        # Saturation
        S[Cmsk] = ((C[Cmsk]) / (1 - numpy.absolute(2 * L[Cmsk]/255.0 - 1)))
        # H, S, and L are now defined as integers 0-255
        return H.swapaxes(0, 1), S.swapaxes(0, 1), L.swapaxes(0, 1)


def rgb_to_hsv(a):
    return rgb_to_hsl_hsv(a, True)


def rgb_to_hsl(a):
    return rgb_to_hsl_hsv(a, False)


def hsl_to_rgb(H, S, L):
    """
    Converts HSL color array to RGB array

    H = [0..360]
    S = [0..1]
    l = [0..1]

    http://en.wikipedia.org/wiki/HSL_and_HSV#From_HSL

    Returns R,G,B in [0..255]
    """

    C = (1 - numpy.absolute(2 * L - 1)) * S

    Hp = H / 60.0
    X = C * (1 - numpy.absolute(numpy.mod(Hp, 2) - 1))

    # initilize with zero
    R = numpy.zeros(H.shape, float)
    G = numpy.zeros(H.shape, float)
    B = numpy.zeros(H.shape, float)

    # handle each case:

    mask = (Hp >= 0) == ( Hp < 1)
    R[mask] = C[mask]
    G[mask] = X[mask]

    mask = (Hp >= 1) == ( Hp < 2)
    R[mask] = X[mask]
    G[mask] = C[mask]

    mask = (Hp >= 2) == ( Hp < 3)
    G[mask] = C[mask]
    B[mask] = X[mask]

    mask = (Hp >= 3) == ( Hp < 4)
    G[mask] = X[mask]
    B[mask] = C[mask]

    mask = (Hp >= 4) == ( Hp < 5)
    R[mask] = X[mask]
    B[mask] = C[mask]

    mask = (Hp >= 5) == ( Hp < 6)
    R[mask] = C[mask]
    B[mask] = X[mask]

    m = L - 0.5*C
    R += m
    G += m
    B += m

    R *=255.0
    G *=255.0
    B *=255.0

    return R.astype(int),G.astype(int),B.astype(int)

def combineRGB(r,g,b):
    """
    Combines separated R G B arrays into one array = image.
    scipy.misc.imsave("rgb.png", combineRGB(R,G,B))
    """
    rgb = numpy.zeros((r.shape[0],r.shape[1],3), 'uint8')
    rgb[..., 0] = r
    rgb[..., 1] = g
    rgb[..., 2] = b
    return rgb

【参考方案4】：

我认为最快的结果是通过 numpy.该函数看起来类似于（更新，在示例中添加了更多细节）：

limg = im.convert("L", ( 0.5, 0.5, 0.5, 0.5 ) )
na = numpy.array ( limg.getdata() )
na = numpy.piecewise(na, [ na > 128 ], [255, 0])
limg.pytdata(na)
limg.save("new.png")

理想情况下，您可以使用分段函数而无需先转换为黑白，这将更像原始示例。语法类似于：

na = numpy.piecewise(na, [ na[0] > 128 ], [255, 0])

但是，您必须小心，因为 RGB 图像的返回值是 3 或 4 元组。

【讨论】：

使用 numpy 的 asarray() 函数是常用的转换技术，因为它节省了一步。我不清楚你要去哪里piecewise()。你能详细说明一下吗？

请详细说明这里发生了什么。