Python 3：我试图通过遍历np.array中的所有像素来查找图像中所有绿色像素，但无法解决索引错误。

Question

目前我的代码加载图像成功，我认为这与问题无关。

接下来，我将会把彩色图像转换成一个名为rgb的np.array数组。

    # convert image into array
    rgb = np.array(img)
    red = rgb[:,:,0]
    green = rgb[:,:,1]
    blue = rgb[:,:,2]

为了确保我对这个数组的理解没有问题，以防这可能是问题的根源，该数组是这样的：rgb[x坐标，y坐标，颜色通道]，它保存了红、绿或蓝色的0-255之间的值。

然后，我的想法是编写一个嵌套的for循环来遍历我的图像中的所有像素（620px，400px），并根据绿色与蓝色和红色的比率对它们进行排序，以便单独识别出更绿的像素，并将所有其他像素设置为黑色或0。

for i in range(xsize):
for j in range(ysize):
    color = rgb[i,j]  <-- Index error occurs here
    if(color[0] > 128):
        if(color[1] < 128):
            if(color[2] > 128):
                rgb[i,j] = [0,0,0]

当我尝试运行时，出现了以下错误：

IndexError: index 400 超出了大小为 400 的轴 0 的范围

我原以为可能是我给 i 和 j 的限制有关，因此我尝试仅对图像的小部分进行排序，但仍然收到相同的错误。此时，我甚至不知道错误的根源，更不用说解决方法了。

- WhiteTomatoes

---

在 numpy 中，行坐标 y 先出现。请交换您的索引。 - Mark Setchell

@MarkSetchell 非常感谢！这解决了我的问题。 - WhiteTomatoes

很酷 - 不客气。祝你的项目好运！顺便说一下，如果你想找到绿色像素，最好将图像转换为HSV颜色空间https://en.wikipedia.org/wiki/HSL_and_HSV，并查找色调为110-130度的位置。 - Mark Setchell

如果您正在使用 PIL / Pillow，那么我的建议是 im = Image.open("image.png").convert("HSL")。 - Mark Setchell

Answer 1

直接回答您的问题，numpy 数组中首先给出 y 轴，其次是 x 轴，因此请交换索引。

---

间接地说，您会发现在 Python 中使用 for 循环非常慢，通常最好使用 numpy 向量化操作。另外，在HSV 颜色空间中更容易找到绿色的不同阴影。

让我们从 HSL 颜色轮开始：

假设您想将所有绿色变为黑色。因此，在维基百科页面上，与绿色对应的 Hue 值为 120 度，这意味着您可以这样做：

#!/usr/local/bin/python3
import numpy as np
from PIL import Image

# Open image and make RGB and HSV versions
RGBim = Image.open("image.png").convert('RGB')
HSVim = RGBim.convert('HSV')

# Make numpy versions
RGBna = np.array(RGBim)
HSVna = np.array(HSVim)

# Extract Hue
H = HSVna[:,:,0]

# Find all green pixels, i.e. where 100 < Hue < 140
lo,hi = 100,140
# Rescale to 0-255, rather than 0-360 because we are using uint8
lo = int((lo * 255) / 360)
hi = int((hi * 255) / 360)
green = np.where((H>lo) & (H<hi))

# Make all green pixels black in original image
RGBna[green] = [0,0,0]

count = green[0].size
print("Pixels matched: {}".format(count))
Image.fromarray(RGBna).save('result.png')

这就是结果:

---

这是稍微改进过的版本，保留了alpha/透明度，并匹配了红色像素，更有趣:

#!/usr/local/bin/python3
import numpy as np
from PIL import Image

# Open image and make RGB and HSV versions
im = Image.open("image.png")

# Save Alpha if present, then remove
if 'A' in im.getbands():
    savedAlpha = im.getchannel('A')
    im = im.convert('RGB')

# Make HSV version
HSVim = im.convert('HSV')

# Make numpy versions
RGBna = np.array(im)
HSVna = np.array(HSVim)

# Extract Hue
H = HSVna[:,:,0]

# Find all red pixels, i.e. where 340 < Hue < 20
lo,hi =  340,20
# Rescale to 0-255, rather than 0-360 because we are using uint8
lo = int((lo * 255) / 360)
hi = int((hi * 255) / 360)
red = np.where((H>lo) | (H<hi))

# Make all red pixels black in original image
RGBna[red] = [0,0,0]

count = red[0].size
print("Pixels matched: {}".format(count))

result=Image.fromarray(RGBna)

# Replace Alpha if originally present
if savedAlpha is not None:
    result.putalpha(savedAlpha)

result.save('result.png')

关键词: 图像处理, PIL, Pillow, 色相饱和度, HSV, HSL, 颜色范围, range, prime.

- Mark Setchell