這篇文章主要講解了“python實現求純色彩圖像的邊框的方法”,文中的講解內容簡單清晰,易于學習與理解,下面請大家跟著小編的思路慢慢深入,一起來研究和學習“python實現求純色彩圖像的邊框的方法”吧!
Python是一種跨平臺的、具有解釋性、編譯性、互動性和面向對象的腳本語言,其最初的設計是用于編寫自動化腳本,隨著版本的不斷更新和新功能的添加,常用于用于開發獨立的項目和大型項目。
先上效果圖,這里顯示有點色差, 實際數值是純色的, 而不是混色的.
放大局部細節看是這樣的
原圖是下面這樣的
這個算法最大的特點是保留原始像素的數值, 而不是把邊框統一變成白色.
實現的算法也超級簡單. 就是有點慢. 考慮到我這個應用場景對性能要求不高, 比人快就行. 人工是它的幾百倍. 所以也就無所謂啦.
測試結果一張1080*1920的圖用時3秒, 如果換成c語言估計0.5秒左右.
算法原理, 每次4個田子形像素逐行掃描. 發現4個像素不一致的就輸出到結果圖上. 否則就是輸出0.
代碼如下.
# # demo.py # 識別單張圖片 # import argparse import os import numpy as np import time from modeling.deeplab import * from dataloaders import custom_transforms as tr from PIL import Image from torchvision import transforms from dataloaders.utils import * from torchvision.utils import make_grid, save_image,to_image import matplotlib matplotlib.use('TkAgg') import matplotlib.pyplot as plt def main(): im = Image.open("test_border.png") npimg = np.array(im) # 這個圖片是1維的索引圖. # chwimg = npimg.transpose(2,0,1) # HWC 變成 CHW 格式的矩陣 print(npimg.shape) h,w,c = npimg.shape src = np.sum(npimg,axis=2) # 這里測試用, 先把3通道的合成了一個通道的, 實際使用的時候也是1通道的. print(src.shape) borderimg = np.zeros(src.shape) #默認都輸出了0 后面就不用輸出0了. # 修補bug, 解決邊框線會丟失的問題. borderimg[0,:]=src[0,:] borderimg[:,0]=src[:,0] borderimg[-1,:]=src[-1,:] borderimg[:,-1]=src[:,-1] t1= time.time() for x in range(0,h-1,1): for y in range(0,w-1,1): # point = src[x,y] # if(point>0): # print(point) if not (src[x,y] == src[x+1,y] == src[x,y+1] == src[x+1,y+1]): # 發現4個像素不一致的就輸出到結果圖上. borderimg[x,y] = src[x,y] borderimg[x+1,y] = src[x+1,y] borderimg[x,y+1] = src[x,y+1] borderimg[x+1,y+1] = src[x+1,y+1] t2= time.time() print("耗時",t2-t1) plt.figure() plt.title('display') plt.imshow(src) plt.show( ) plt.imshow(borderimg) plt.show( ) print("start test get image border ...") if __name__ == "__main__": main() else: main()
感謝各位的閱讀,以上就是“python實現求純色彩圖像的邊框的方法”的內容了,經過本文的學習后,相信大家對python實現求純色彩圖像的邊框的方法這一問題有了更深刻的體會,具體使用情況還需要大家實踐驗證。這里是億速云,小編將為大家推送更多相關知識點的文章,歡迎關注!
免責聲明:本站發布的內容(圖片、視頻和文字)以原創、轉載和分享為主,文章觀點不代表本網站立場,如果涉及侵權請聯系站長郵箱:is@yisu.com進行舉報,并提供相關證據,一經查實,將立刻刪除涉嫌侵權內容。