如何选择 NumPy 数组中的所有非黑色像素？

Question

我正在尝试使用 NumPy 获取与特定颜色不同的图像像素列表。例如，在处理以下图像时：我设法使用以下方法获得所有黑色像素的列表：np.where(np.all(mask == [0,0,0], axis=-1))但是当我尝试这样做时：np.where(np.all(mask != [0,0,0], axis=-1))我得到了一个非常奇怪的结果：看起来 NumPy 只返回了 R、G 和 B 非 0 的索引这是我正在尝试做的一个最小的例子：import numpy as npimport cv2# Read maskmask = cv2.imread("path/to/img")excluded_color = [0,0,0]# Try to get indices of pixel with different colorsindices_list = np.where(np.all(mask != excluded_color, axis=-1))# For some reason, the list doesn't contain all different colorsprint("excluded indices are", indices_list)# Visualizationmask[indices_list] = [255,255,255]cv2.imshow(mask)cv2.waitKey(0)

Answer 1

必要性：需要具有这种形状的矩阵 = (any,any,3)

解决方案：

COLOR = (255,0,0)

indices = np.where(np.all(mask == COLOR, axis=-1))

indexes = zip(indices[0], indices[1])

for i in indexes:

    print(i)

解决方案2：

获取特定颜色的间隔，例如 RED：

COLOR1 = [250,0,0]

COLOR2 = [260,0,0] # doesnt matter its over limit

indices1 = np.where(np.all(mask >= COLOR1, axis=-1))

indexes1 = zip(indices[0], indices[1])

indices2 = np.where(np.all(mask <= COLOR2, axis=-1))

indexes2 = zip(indices[0], indices[1])

# You now want indexes that are in both indexes1 and indexes2

解决方案 3 - 证明有效

如果以前的不起作用，那么有一种解决方案可以 100% 有效

从 RGB 通道转换为 HSV。从 3D 图像制作 2D 蒙版。2D 蒙版将包含色调值。比较色相比 RGB 更容易，因为色相是 1 个值，而 RGB 是具有 3 个值的向量。在您拥有带有 Hue 值的 2D 矩阵后，请执行上述操作：

HUE1 = 0.5

HUE2 = 0.7 

indices1 = np.where(HUEmask >= HUE1)

indexes1 = zip(indices[0], indices[1])

indices2 = np.where(HUEmask <= HUE2)

indexes2 = zip(indices[0], indices[1])

您可以对 Saturation 和 Value 执行相同的操作。

Answer 2

对于选择非黑色像素的特殊情况，在查找非零像素之前将图像转换为灰度会更快：

non_black_indices = np.nonzero(cv2.cvtColor(img,cv2.COLOR_BGR2GRAY))

然后将所有黑色像素更改为白色，例如：

img[non_black_indices] = [255,255,255]

同样，这仅适用于选择非 [0,0,0] 像素，但如果您正在处理数千张图像，则较一般方法的速度提升变得显着。