如何使用numpy将R,G,B值提取到分开的数组中

Question

假设我有一张图片，其尺寸为(1920, 1080, 3)，我想将其中的R、G、B值分别提取到单独的数组中，即R, G, B。我尝试过下面的方法：

for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            B = np.append(B, image[i, j][0])
            G = np.append(G, image[i, j][1])
            R = np.append(R, image[i, j][2])

但是如预期的那样这很慢，我该如何使用numpy内置函数来完成这个任务？

- Sigma

---

这是基本的索引：B = image[:,:,0]; G = image[:,:,1]; R = image[:,:,2]。请参考几乎任何numpy教程。 - Warren Weckesser

或者只需滚动轴，然后取简单的切片... rolled = np.rollaxis(rgb,-1) ... r = rolled[0], g = rolled[1], b = rolled[2] - NaN

我建议您在vs code中安装此扩展程序 - https://marketplace.visualstudio.com/items?itemName=gsGupta.opencv-snippets&ssr=false 它直接为您提供这些内容的代码片段。 - Gauri Shankar Gupta

Answer 1

如果您希望以OpenCV的方式使用它，则可以使用cv2.split()，记住您的图像通道：

b, g, r    = cv2.split(image) # For BGR image
b, g, r, a = cv2.split(image) # for BGRA image

或者，如果您喜欢直接使用numpy格式，那么可以直接使用[根据@igaurav的评论似乎更有效]

b, g, r    = image[:, :, 0], image[:, :, 1], image[:, :, 2] # For RGB image
b, g, r, a = image[:, :, 0], image[:, :, 1], image[:, :, 2], image[:, :, 3] # for BGRA image

您可以使用np.shape[2]来检查所给图像中的通道数。

- ZdaR

---

注意：python -m timeit -s "import urllib.request as r; import cv2; from os.path import exists as ex; b='bench.jpg'; r.urlretrieve('https://i.imgur.com/7vGjNmZ.jpg',b) if not ex(b) else False; x=cv2.imread(b)" "b,g,r = cv2.split(x)" 的执行时间为 33.1 毫秒，而 "b,g,r = x[:,:,0], x[:,:,1], x[:,:,2]" 的执行时间为 803 纳秒（0.000803 毫秒）。很奇怪！后者使用了numpy索引，调用了3次numpy C扩展函数，而OpenCV方法只调用了1次C函数，应该是优化过的，但实际上并没有。除非我们做错了什么，否则似乎OpenCV在分离方面要慢得多。这是一个好消息！ - Mitch McMabers

没事了，我已经搞定了。Numpy方法使用Numpy切片，它创建一个新的（非常低效的）Numpy数组“视图”，指向旧的RAM并说“读取每3个字节，跳过第1个和第2个字节”以仅查看单个通道。这是“伪拆分”通道，但在图像处理方面极其低效。每次您将通过此方式创建的假r、g或b传递给OpenCV或其他库函数时，您都会导致每个函数调用30毫秒的延迟，因为它必须将“作弊”的Numpy数据重新创建为实际的图像对象。与此同时，OpenCV split创建3个真正的img。 - Mitch McMabers

这是一篇关于通过Numpy作弊的代价的文章。使用索引（“哦，通过numpy分割只需要0.000803毫秒，而不是通过OpenCV分割需要33.1毫秒”）看起来很快，但这都是谎言——如果你滥用Numpy技巧，没有数据被分割；在RAM中也没有真正的“分割”图像被创建——而且Numpy技巧在现实中非常慢，因为每次将这样的“虚假分割”提供给OpenCV函数和其他库时，数据都必须被修复：https://answers.opencv.org/question/219040/fastest-way-to-convert-bgr-rgb-aka-do-not-use-numpy-magic-tricks/（`cv2.split()`是真正的分割）。 - Mitch McMabers

你的评论非常有帮助，伙计 @MitchMcMabers。 - ZdaR

Answer 2

dsplit 分割它。

import numpy as np

def channelSplit(image):
    return np.dsplit(image,image.shape[-1])

[B,G,R]=channelSplit(image)

这适用于RGB或RGBA图像。

- Daniel F

Answer 3

这对我很有用：

def split_channels(im: np.ndarray):
    assert len(im.shape) == 3 and im.shape[-1] == 3
    return np.squeeze(np.split(im, im.shape[-1], -1), axis=-1)

请注意，np.split本身是不够的，它会留下一个(M, N, 1)的图像。但如果你想要(M, N)，那么使用squeeze函数即可。

如果有其他情况，则可以删除assert。

- ch271828n