Python rgb值和像素

def标准化亮度（img:图像）->图像： “”“

计算图片的平均亮度： -这可以通过计算每个像素的平均亮度来实现 在img中（每个像素的平均亮度是这些值的总和） 像素的红色、蓝色和绿色，除以3作为浮点分割） -然后，图片的平均亮度是所有亮度的总和 像素平均值，除以img的宽度和高度的乘积

找到因子，我们称之为x，我们可以乘以 平均亮度为128

将每个像素中的颜色乘以该因子x “”“

我有点不知所措，我做错了什么，有人能帮我吗

---

获取因子的计算代码似乎还可以，处理每个像素以获得平均值之和的平均值

但是，您调整亮度的修改代码并不是在类似的循环中完成的，因此它将在一个像素上运行，我甚至不确定像素是否在图像中。您还应该在循环中执行此操作：

for i in range(img_width):
    for j in range(img_height):
        (r, g, b) = pixels[i, j]
        pixels[i, j] = (r * x, g * x, b * x)

这将替换您当前拥有的最后三行和最后二行（介于

x=…

和

return…

之间）。所以你最终会得到的是：

img_width, img_height = img.size
pixels = img.load()  # create the pixel map
h = 0
for i in range(img_width):
    for j in range(img_height):
        r, g, b = pixels[i, j]
        avg = sum(pixels[i, j]) / 3
        h += avg
total_avg = int(h / (img_width * img_height))
x = 128 // total_avg

# == New stuff below
for i in range(img_width):
    for j in range(img_height):
        (r, g, b) = pixels[i, j]
        pixels[i, j] = (r * x, g * x, b * x)
# == New stuff above

return img

---

还有一些其他需要注意的事项：

首先，我不确定在这里返回

img

是否正确，除非

pixels

是对图像中像素的引用（而不是复制）。你也可以检查一下

此外，对于某些输入数据集，

[rgb]*x的值可能超过255。如果是这种情况，您可能希望将它们钳制在
0..255范围内，以确保不会发生这种情况。类似（替换上面代码中的“新内容”）：

首先，感谢分享他的答案

我只想改进一下答案

平均值的计算可以使用如下列表进行优化：

x=128/（总和（[sum（像素[i，j]）/3表示范围内的i（img_宽度）表示范围内的j（img_高度）]）/（img_宽度*img_高度））

因此，我的完整答案是：

标准化给定图像的亮度

img_width, img_height = img.size
pixels = img.load()  # create the pixel map

x = 128 // (sum([sum(pixels[i, j]) / 3 for i in range(img_width) for j in range(img_height)]) / (img_width * img_height))

for i in range(img_width):
    for j in range(img_height):
        r, g, b = pixels[i, j]
        pixels[i, j] = [min(255, r * x), min(255, g * x), min(255, b * x)]

return img


在使用Python进行图像处理时，您确实应该尽可能避免使用
for
循环，因为它非常缓慢、冗长、难以阅读，并且更可能包含错误。尝试使用矢量化Numpy函数，或OpenCV或PIL内置函数

#!/usr/bin/env python3

from PIL import Image
import numpy as np

def normalize(im):
   """Normalise brightness of image"""

   # Convert to Numpy array
   na = np.array(im, dtype=np.float32)

   # Calculate average brightness
   avg = na.mean()

   # Calculate factor x
   x = 128 / avg

   # Scale whole array as float since likely fractional
   na *= x

   # Convert back to PIL Image and return
   return Image.fromarray(na.astype(np.uint8))

# Load image and normalize
im = Image.open('start.png').convert('RGB')
result = normalize(im)
result.save('result.png')

这段代码在我的机器上运行大约800微秒，而任何带有
for
循环的版本都需要大约70倍的时间

输入图像：


结果:

您能添加您遇到的错误或问题吗？请同时使用Shift运算符OpenCV yes，因为出于某种原因，当我将修改放在嵌套for循环中时，会得到零除法error@Jack，您不能将其放入当前循环集中，因为您将除以尚未设置的
total\u avg
。你需要另一个循环集。所以基本上，当我做修改时，我只是修改一个像素的平均值，而不是所有像素的平均值？如果是这样，for循环将如何解决这个问题呢？@Jack，
for
循环和whree-to-put已经添加到了答案中。在哪里？我仍然只看到它之前的版本
for i in range(img_width):
    for j in range(img_height):
        # Get original pixel.

        (r, g, b) = pixels[i, j]

        # Scale with upper limit.

        r = min(255, r * x)
        g = min(255, g * x)
        b = min(255, b * x)

        # Replace pixel with scaled one.

        pixels[i, j] = (r, g, b)

img_width, img_height = img.size
pixels = img.load()  # create the pixel map

x = 128 // (sum([sum(pixels[i, j]) / 3 for i in range(img_width) for j in range(img_height)]) / (img_width * img_height))

for i in range(img_width):
    for j in range(img_height):
        r, g, b = pixels[i, j]
        pixels[i, j] = [min(255, r * x), min(255, g * x), min(255, b * x)]

return img


#!/usr/bin/env python3

from PIL import Image
import numpy as np

def normalize(im):
   """Normalise brightness of image"""

   # Convert to Numpy array
   na = np.array(im, dtype=np.float32)

   # Calculate average brightness
   avg = na.mean()

   # Calculate factor x
   x = 128 / avg

   # Scale whole array as float since likely fractional
   na *= x

   # Convert back to PIL Image and return
   return Image.fromarray(na.astype(np.uint8))

# Load image and normalize
im = Image.open('start.png').convert('RGB')
result = normalize(im)
result.save('result.png')