在Python中检测像素化图像

Question

我正在尝试确定一张图片是否为正方形（像素化）。

我听说过可以使用Numpy或SciPy进行2D Fourier变换，但这有点复杂。

目标是确定由于压缩不良而导致的正方形区域的数量，就像这张图片（img a）一样：

- kollo

---

这只是我想到的，所以它只是一条评论。你有原始的、未压缩的图像吗？如果是这样，你可以尝试对这两个图像进行颜色计数。如果其中一个明显低于另一个，那么你几乎肯定出现了像素化/海报效应。 - Peter Rowell

很遗憾，我无法访问原始图像。 - kollo

Answer 1

我不确定这个方法是否有效，但你可以尝试获取像素周围的最近邻。在某个区域周围，RGB值的变化会呈现出一个可见的跳跃。

你可以使用类似以下方式找到图像中每个像素的最近邻：

def get_neighbors(x,y, img):
    ops = [-1, 0, +1]
    pixels = []
    for opy in ops:
        for opx in ops:
            try:
                pixels.append(img[x+opx][y+opy])
            except:
                pass
    return pixels

这将为您提供源图像区域内最近的像素。

要使用它，您可以执行以下操作：

def detect_pixellated(fp):
    img = misc.imread(fp)
    width, height = np.shape(img)[0:2]

    # Pixel change to detect edge
    threshold = 20

    for x in range(width):
        for y in range(height):
            neighbors = get_neighbors(x, y, img)

            # Neighbors come in this order:
            #  6   7   8
            #  3   4   5
            #  0   1   2

            center = neighbor[4]
            del neighbor[4]

            for neighbor in neighbors:
                diffs = map(operator.abs, map(operator.sub, neighbor, center))
                possibleEdge = all(diff > threshold for diff in diffs)

经过进一步思考，使用OpenCV进行边缘检测并获取轮廓大小会更加易于操作和稳定。

- MercuryRising

---

最后一段：“......使用OpenCV进行边缘检测并获取轮廓尺寸......”真的很有帮助！谢谢。 - Hamed

非常抱歉这么晚才提问，但我最近发现了这篇帖子，而且我也遇到了完全相同的问题。当你谈论轮廓大小时，你是指像在这里提到的使用轮廓面积吗？ - jruivo

Answer 2

如果你扫描它的行，那么处理线性图形比2D图像图形更容易，这总是更简单一些。

解决方案：

在像素上扫描一条线，如果访问速度更快，则将该线放入数组中进行计算，然后在该行（行）上运行算法以确定块状：

1/遍历您行中的每个像素，并通过减去两个像素之间的值来将其与前一个像素进行比较。制作先前像素值的数组。如果在规则间隔处存在大量像素值跳跃，则为块状。如果值的大量跳跃与小值的跳跃相结合，则为块状……您可以假设如果有许多相等的像素差异，则为块状，特别是如果您在2和4个相邻像素间隔和多条线上重复分析两次。

您还可以制作像素差异图表，以便了解所选图片的渐变变化的其他信息。如果相邻像素和第5个相邻像素的像素差异比例相似，则还表示颜色不平滑。

有许多算法可以使用，包括在线性图上使用快速傅里叶变换，就像音频一样，您可以使用来自图片的线条进行处理，这比2D图像算法更简单。

- predatflaps