Python OpenCV多色阈值

我正在尝试对opencv cv2图像进行多色阈值处理。我试图解决的问题如下：

• R、 G、B各有一个“有效”列表
• 如果一个像素的R、G、B都被认为是有效的，那么将该像素设为（0,0,0），否则设为（255、255、255）

比如说

• [221，180，50]在R信道中被认为是有效的
• [23,18,2]在G通道中被视为有效
• [84,22,48]在B通道中被视为有效

然后，如果像素具有以下任意值（RGB顺序）

• （221、23、84）
• （221、23、22）
• （221、23、48）
• （221、18、84）
• （221、18、22）
• （221、18、48）
• （50、2、48）

它将转换为（0,0,0），否则为（255255）

目前，我正在使用嵌套for循环执行此操作：

for x in range(width):
    for y in range(height):
        imcv[y, x] = threshold(imcv[y, x])

其中

threshold

功能执行上述逻辑。请注意，尽管我在原地完成了此操作，但不需要原地转换

我目前使用的方法很有效，但速度很慢。我相信在OpenCV/Numpy中一定有更好的方法。我对这两个框架都很陌生，不知道如何使用

我研究了OpenCV阈值函数，似乎它们只能在单通道灰度图像上工作，而且范围需要是连续范围。我需要的是在离散值上对所有3个通道设置阈值。我想需要一个自定义函数才能传入，但我无法在他们的文档中找到正确的API

我还查找了我可以使用的numpy API，比如

ufunc

。似乎我无法在这里实现我想要的，或者我不知道如何实现

感谢您的帮助

编辑：

多亏了AbidRahmanK和HYRY，这两种解决方案都实现了超过x1500的性能改进

ncalls  tottime  percall  cumtime  percall filename:lineno(function)
     1    1.576    1.576    1.576    1.576 test.py:48(preprocess_cv2_image)
     1    0.000    0.000    0.001    0.001 test.py:79(preprocess_cv2_image3)
     1    0.000    0.000    0.001    0.001 test.py:66(preprocess_cv2_image2)

请试试这个：

z1 = np.dstack([np.in1d(img[...,0],B),np.in1d(img[...,1],G),np.in1d(img[...,2],R)]).reshape(img.shape)
q = np.all(z1,axis=2)
out = np.uint8(q)*255

np.in1d（a，b）

为您提供一个长度与a相同的布尔数组，如果该元素在b中，则为

True

，否则为

False

。它只是Python中方法中的

的向量化对应物。简言之：

np.in1d（a，b）[如果i在b中，则a中的i为真，否则为假]

您可以对所有通道执行此操作，即检查第一个通道B中的有效值，第二个通道G中的有效值，第三个通道R中的有效值

然后使用
np.dstack
沿z方向堆叠它们。为什么是z方向？因为我们需要BGR-BGR-BGR…格式

但请记住，这是1D数组，因此我们使用
X.reformate（img.shape）
方法将其重塑为原始图像形状

现在有了一个布尔掩码，如果有效，则为True，否则为False

这一切都在第一行代码中

现在您想要查看有效的BGR组合。如果所有B、G、R分量均为真，则组合有效。所以在z方向应用np.all（）。同样，你会得到一个布尔掩码q

q将是一个布尔掩码，有效颜色为真，其他颜色为假

因此，将转换为整数数据类型，True-->1和False-->0

然后乘以255。如果您想要反转图像，您可以使用
np.按位\u not
您可以为R、G、B创建三个布尔数组，如果该值对R有效，则
R[value]
为真，然后您可以使用
Rm[img[：，：，2]]&Gm[img[：，：，1]&Bm[img[：，：，：，0]
获得结果：

import numpy as np

img = np.random.randint(0, 256, (2000, 2000, 3))

def make_mask(idx):
    b = np.zeros(256, np.bool)
    b[idx] = True
    return b

R = [221, 180, 50]
G = [23, 18, 2]
B = [84, 22, 48]


Rm, Gm, Bm = [make_mask(v) for v in [R, G, B]]
a = Rm[img[:, :, 2]] & Gm[img[:, :, 1]] & Bm[img[:, :, 0]]

最后，要获得结果图像：

v = np.array([[255,255,255], [0,0,0]], np.uint8)
v[a.astype(np.uint8)]

首先，使用
xrange
而不是
range
。后者实际上构建了一个指定大小的完整列表，然后您对其进行迭代，而前者返回一个生成器，它不必预先计算整个列表，只允许您对其进行迭代。您好@SchighSchagh，谢谢您的建议。使用C实现
范围
肯定有帮助。我认为这里的瓶颈是访问和更改python中的每个像素。我想如果有一个api，允许我把它推到numpy或opencv的C实现中，会大大加快速度。[221,18,48]也有效吗？嗨@AbidRahmanK是的。嗨@AbidRahmanK，谢谢你的回答！你能解释一下代码吗？我想让你的代码片段适应我的代码并测试性能，但我无法让它输出cv2图像。现在试试
out=np.uint8（q）*255
。我会很快更新答案。如果答案解决了你的问题，你可以投票并接受答案。谢谢@HYRY，性能很棒。你的方法很容易理解。我给阿比德拉赫曼克的答案打分，因为他是第一个回答的。