如何选择 NumPy 数组中的所有非黑色像素？

Question

我正在尝试使用 NumPy 获取与特定颜色不同的图像像素列表。

例如，在处理以下图像时：

我设法使用以下方法获得所有黑色像素的列表：

np.where(np.all(mask == [0,0,0], axis=-1))

但是当我尝试这样做时：

np.where(np.all(mask != [0,0,0], axis=-1))

我得到了一个非常奇怪的结果：

看起来 NumPy 只返回了 R、G 和 B 非 0 的索引

这是我正在尝试做的一个最小的例子：

import numpy as np

import cv2

# Read mask

mask = cv2.imread("path/to/img")

excluded_color = [0,0,0]

# Try to get indices of pixel with different colors

indices_list = np.where(np.all(mask != excluded_color, axis=-1))

# For some reason, the list doesn't contain all different colors

print("excluded indices are", indices_list)

# Visualization

mask[indices_list] = [255,255,255]

cv2.imshow(mask)

cv2.waitKey(0)

Answer 1

必要性：需要具有这种形状的矩阵 = (any,any,3)解决方案：COLOR = (255,0,0)indices = np.where(np.all(mask == COLOR, axis=-1))indexes = zip(indices[0], indices[1])for i in indexes:&nbsp; &nbsp; print(i)解决方案2：获取特定颜色的间隔，例如 RED：COLOR1 = [250,0,0]COLOR2 = [260,0,0] # doesnt matter its over limitindices1 = np.where(np.all(mask >= COLOR1, axis=-1))indexes1 = zip(indices[0], indices[1])indices2 = np.where(np.all(mask <= COLOR2, axis=-1))indexes2 = zip(indices[0], indices[1])# You now want indexes that are in both indexes1 and indexes2解决方案 3 - 证明有效如果以前的不起作用，那么有一种解决方案可以 100% 有效从 RGB 通道转换为 HSV。从 3D 图像制作 2D 蒙版。2D 蒙版将包含色调值。比较色相比 RGB 更容易，因为色相是 1 个值，而 RGB 是具有 3 个值的向量。在您拥有带有 Hue 值的 2D 矩阵后，请执行上述操作：HUE1 = 0.5HUE2 = 0.7&nbsp;indices1 = np.where(HUEmask >= HUE1)indexes1 = zip(indices[0], indices[1])indices2 = np.where(HUEmask <= HUE2)indexes2 = zip(indices[0], indices[1])您可以对 Saturation 和 Value 执行相同的操作。

Answer 2

对于选择非黑色像素的特殊情况，在查找非零像素之前将图像转换为灰度会更快：non_black_indices&nbsp;=&nbsp;np.nonzero(cv2.cvtColor(img,cv2.COLOR_BGR2GRAY))然后将所有黑色像素更改为白色，例如：img[non_black_indices]&nbsp;=&nbsp;[255,255,255]同样，这仅适用于选择非 [0,0,0] 像素，但如果您正在处理数千张图像，则较一般方法的速度提升变得显着。