Python - 获取图像区域的平均 RGB 分量
Python - Get average RGB Components of Image Regions
我需要计算图像的平均红色、绿色和蓝色分量值。图像不一定是方形的。也可以是长方形的。
图像被分成4个象限，每个象限又被进一步分成2个三角形区域，这样一共得到图像中的8个区域(P1 - P8)
# -------------------------
# - Q1 + Q2 -
# - P8 + P1 -
# - P7 + P2 -
# -+++++++++++++++++++++++-
# - P6 + P3 -
# - P5 + P4 -
# - Q4 + Q3 -
# -------------------------
到目前为止，我已经设法获取图像（主监视器屏幕截图）并将 rgb 值转换为 numpy 数组。
从那里我不确定获得三角形区域的最佳方法，因为我需要此操作每秒至少完成 3 次。
有什么想法吗？
import subprocess
import numpy
import pyscreenshot as ImageGrab
#GET THE PRIMARY MONITOR RESOLUTION
output = subprocess.Popen('xrandr | grep "\*" | cut -d" " -f4',shell=True, stdout=subprocess.PIPE).communicate()[0]
primary_monitor_x = output.split("\n")[0].split("x")[0].strip()
primary_monitor_y = output.split("\n")[0].split("x")[1].strip()
print "primary monitor X = " + primary_monitor_x + "px"
print "primary monitor Y = " + primary_monitor_y + "px"
print ""
print ""
x_max = int(primary_monitor_x)
y_max = int(primary_monitor_y)
#GET SCREEN IMAGE IN A PIL IMAGE
im = ImageGrab.grab(bbox=(0,0,x_max, y_max))
#CONVERT IMAGE TO RGB MODE
rgb_im = im.convert('RGB')
#CONVERT IMAGE TO NUMPY 2D ARRAY WITH EACH ELEMENT AS PIXEL RGB TUPLE
img_rgb_array = numpy.array(rgb_im);
#THE SCREEN IS DIVIDED INTO 8 PARTS. FOR EACH PART, THE AVERAGE VALUE
#OF RED, GREEN, BLUE COLOR COMPONENT WILL BE CALCULATED
# -------------------------
# - Q1 + Q2 -
# - P8 + P1 -
# - P7 + P2 -
# -+++++++++++++++++++++++-
# - P6 + P3 -
# - P5 + P4 -
# - Q4 + Q3 -
# -------------------------
#SLICE THE IMAGE RGB ARRAY INTO 4 SMALLER QUADRANT ARRAYS
img_rgb_arraq_q1 = img_rgb_array[0:(y_max/2), 0:(x_max/2)]
img_rgb_arraq_q2 = img_rgb_array[0:(y_max/2), (x_max/2):x_max]
img_rgb_arraq_q3 = img_rgb_array[(y_max/2):y_max, (x_max/2):x_max]
img_rgb_arraq_q4 = img_rgb_array[(y_max/2):y_max, 0:(x_max/2)]
对于正方形 Q2Q4，你可以做类似的事情
import numpy as np
n = 5
a = np.arange(n**2).reshape((n,n))
idx = np.fromfunction(lambda i,j: i+j<n, (n,n))
# use i+j<n-1 if the diagonal should go to the lower triangular
a_upper = a.copy()
a_upper[np.logical_not(idx)] = 0
a_lower = a.copy()
a_lower[idx] = 0
print a_upper
print a_lower
对于非方矩阵的更一般情况，我不确定您想如何放置 "diagonal"。也许像
n, m = 3,5
a = np.arange(n*m).reshape((n,m))
idx = np.fromfunction(lambda i,j: i/(n-1.) + j/(m-1.) <= 1, (n,m))
a_upper = a.copy()
a_upper[np.logical_not(idx)] = 0
a_lower = a.copy()
a_lower[idx] = 0
print a_upper
print a_lower
是你想要的吗？
Q1/Q3 只需旋转 before/after。
为了效率：最昂贵的部分可能是 idx 数组的创建。但是，它可以重复使用，不必在每次需要分离时都创建。
我需要计算图像的平均红色、绿色和蓝色分量值。图像不一定是方形的。也可以是长方形的。
图像被分成4个象限，每个象限又被进一步分成2个三角形区域，这样一共得到图像中的8个区域(P1 - P8)
# -------------------------
# - Q1 + Q2 -
# - P8 + P1 -
# - P7 + P2 -
# -+++++++++++++++++++++++-
# - P6 + P3 -
# - P5 + P4 -
# - Q4 + Q3 -
# -------------------------
到目前为止，我已经设法获取图像（主监视器屏幕截图）并将 rgb 值转换为 numpy 数组。
从那里我不确定获得三角形区域的最佳方法，因为我需要此操作每秒至少完成 3 次。
有什么想法吗？
import subprocess
import numpy
import pyscreenshot as ImageGrab
#GET THE PRIMARY MONITOR RESOLUTION
output = subprocess.Popen('xrandr | grep "\*" | cut -d" " -f4',shell=True, stdout=subprocess.PIPE).communicate()[0]
primary_monitor_x = output.split("\n")[0].split("x")[0].strip()
primary_monitor_y = output.split("\n")[0].split("x")[1].strip()
print "primary monitor X = " + primary_monitor_x + "px"
print "primary monitor Y = " + primary_monitor_y + "px"
print ""
print ""
x_max = int(primary_monitor_x)
y_max = int(primary_monitor_y)
#GET SCREEN IMAGE IN A PIL IMAGE
im = ImageGrab.grab(bbox=(0,0,x_max, y_max))
#CONVERT IMAGE TO RGB MODE
rgb_im = im.convert('RGB')
#CONVERT IMAGE TO NUMPY 2D ARRAY WITH EACH ELEMENT AS PIXEL RGB TUPLE
img_rgb_array = numpy.array(rgb_im);
#THE SCREEN IS DIVIDED INTO 8 PARTS. FOR EACH PART, THE AVERAGE VALUE
#OF RED, GREEN, BLUE COLOR COMPONENT WILL BE CALCULATED
# -------------------------
# - Q1 + Q2 -
# - P8 + P1 -
# - P7 + P2 -
# -+++++++++++++++++++++++-
# - P6 + P3 -
# - P5 + P4 -
# - Q4 + Q3 -
# -------------------------
#SLICE THE IMAGE RGB ARRAY INTO 4 SMALLER QUADRANT ARRAYS
img_rgb_arraq_q1 = img_rgb_array[0:(y_max/2), 0:(x_max/2)]
img_rgb_arraq_q2 = img_rgb_array[0:(y_max/2), (x_max/2):x_max]
img_rgb_arraq_q3 = img_rgb_array[(y_max/2):y_max, (x_max/2):x_max]
img_rgb_arraq_q4 = img_rgb_array[(y_max/2):y_max, 0:(x_max/2)]
对于正方形 Q2Q4，你可以做类似的事情
import numpy as np
n = 5
a = np.arange(n**2).reshape((n,n))
idx = np.fromfunction(lambda i,j: i+j<n, (n,n))
# use i+j<n-1 if the diagonal should go to the lower triangular
a_upper = a.copy()
a_upper[np.logical_not(idx)] = 0
a_lower = a.copy()
a_lower[idx] = 0
print a_upper
print a_lower
对于非方矩阵的更一般情况，我不确定您想如何放置 "diagonal"。也许像
n, m = 3,5
a = np.arange(n*m).reshape((n,m))
idx = np.fromfunction(lambda i,j: i/(n-1.) + j/(m-1.) <= 1, (n,m))
a_upper = a.copy()
a_upper[np.logical_not(idx)] = 0
a_lower = a.copy()
a_lower[idx] = 0
print a_upper
print a_lower
是你想要的吗？
Q1/Q3 只需旋转 before/after。
为了效率：最昂贵的部分可能是 idx 数组的创建。但是，它可以重复使用，不必在每次需要分离时都创建。