我實現了一個Python圖像庫圖像的平均RGB值的計算以2種方式：標杆功能爲圖像的計算平均RGB值

1 - 使用列表

def getAverageRGB(image): 
    """ 
    Given PIL Image, return average value of color as (r, g, b) 
    """ 
    # no. of pixels in image 
    npixels = image.size[0]*image.size[1] 
    # get colors as [(cnt1, (r1, g1, b1)), ...] 
    cols = image.getcolors(npixels) 
    # get [(c1*r1, c1*g1, c1*g2),...] 
    sumRGB = [(x[0]*x[1][0], x[0]*x[1][1], x[0]*x[1][2]) for x in cols] 
    # calculate (sum(ci*ri)/np, sum(ci*gi)/np, sum(ci*bi)/np) 
    # the zip gives us [(c1*r1, c2*r2, ..), (c1*g1, c1*g2,...)...] 
    avg = tuple([sum(x)/npixels for x in zip(*sumRGB)]) 
    return avg

2 - 使用numpy的

def getAverageRGBN(image): 
    """ 
    Given PIL Image, return average value of color as (r, g, b) 
    """ 
    # get image as numpy array 
    im = np.array(image) 
    # get shape 
    w,h,d = im.shape 
    # change shape 
    im.shape = (w*h, d) 
    # get average 
    return tuple(np.average(im, axis=0))

我很驚訝地發現＃1的運行速度比＃2快大約20％。

我正確使用numpy嗎？有沒有更好的方法來實現平均計算？

來源

2012-10-03 M-V

確實令人驚訝。

您可能需要使用：

tuple(im.mean(axis=0))

來計算你的意思(r,g,b)，但我懷疑它是會提高的東西很多。您是否嘗試過配置getAverageRGBN並找到瓶頸？

來源

2012-10-03 08:27:42

這大概是內存重新分配，也許np.asarray（圖像）或np.array（image.getdata（），np.uint8）將做得更好 – lolopop

我認爲'平均值'有了明顯的提高。我還沒有在Python中做太多的分析 - 有什麼建議？ –

@MV你有一些[profilers]（http://docs.python.org/library/profile.html）隨Python一起發佈，你也可以安裝一些第三方軟件包，比如['line_profiler']（http：// packages.python.org/line_profiler/）：後者非常好。 –

一襯墊W/O改變尺寸或寫getAverageRGBN：

np.array(image).mean(axis=(0,1))

再次，它可能不會提高任何性能。

來源

2016-10-04 20:18:19

在PIL或枕頭，在Python 3.4+：

from statistics import mean 
average_color = [mean(image.getdata(band)) for band in range(3)]

來源

2017-12-14 05:23:11

標杆功能爲圖像的計算平均RGB值

1 - 使用列表

2 - 使用numpy的

回答

相關問題