使用Python PIL对图像进行强度归一化 – 速度问题

概述我在业余时间处理一个小问题,包括分析通过显微镜获得的一些图像.这是一个带有一些东西的晶圆,最终我想制作一个程序来检测某些材料何时出现. 无论如何,第一步是规范化图像的强度,因为镜头不能提供均匀的闪电.目前,我使用的图像没有任何东西,只有基板,作为背景或参考图像.我找到了RGB的三个(强度)值的最大值. from PIL import Imagefrom PIL import ImageDraw 我在业余时间处理一个小问题,包括分析通过显微镜获得的一些图像.这是一个带有一些东西的晶圆,最终我想制作一个程序来检测某些材料何时出现.

无论如何,第一步是规范化图像的强度,因为镜头不能提供均匀的闪电.目前,我使用的图像没有任何东西,只有基板,作为背景或参考图像.我找到了RGB的三个(强度)值的最大值.

from PIL import Imagefrom PIL import ImageDrawrmax = 0;gmax = 0;bmax = 0;rmin = 300;gmin = 300;bmin = 300im_old = Image.open("test_image.png")im_back = Image.open("background.png")maxx = im_old.size[0] #import the size of the imagemaxy = im_old.size[1]im_new = Image.new("RGB",(maxx,maxy))pixback = im_back.load()for x in range(maxx):    for y in range(maxy):        if pixback[x,y][0] > rmax:            rmax = pixback[x,y][0]        if pixback[x,y][1] > gmax:            gmax = pixback[x,y][1]        if pixback[x,y][2] > bmax:            bmax = pixback[x,y][2]pixnew = im_new.load()pixold = im_old.load()for x in range(maxx):    for y in range(maxy):        r = float(pixold[x,y][0]) / ( float(pixback[x,y][0])*rmax )        g = float(pixold[x,y][1]) / ( float(pixback[x,y][1])*gmax )        b = float(pixold[x,y][2]) / ( float(pixback[x,y][2])*bmax )        pixnew[x,y] = (r,g,b)

代码的第一部分确定背景图像的逐个像素的RED,GREEN和BLUE通道的最大强度,但只需要进行一次.

第二部分采用“真实”图像(上面有东西),并根据背景逐像素地对RED,GREEN和BLUE通道进行标准化.对于1280×960图像,这需要一些时间,5-10秒,如果我需要对多个图像执行此 *** 作,则速度太慢.

我该怎么做才能提高速度？我想将所有图像移动到numpy数组,但我似乎无法找到一种快速的方法来处理RGB图像.
我宁愿不离开python,因为我的C级别很低,并且获得一个有效的FORTRAN代码可能需要比我在速度方面节省的时间更长：P

解决方法

import numpy as npfrom PIL import Imagedef normalize(arr):    """    linear normalization    http://en.wikipedia.org/wiki/normalization_%28image_processing%29    """    arr = arr.astype('float')    # Do not touch the Alpha channel    for i in range(3):        minval = arr[...,i].min()        maxval = arr[...,i].max()        if minval != maxval:            arr[...,i] -= minval            arr[...,i] *= (255.0/(maxval-minval))    return arrdef demo_normalize():    img = Image.open(filename).convert('RGBA')    arr = np.array(img)    new_img = Image.fromarray(normalize(arr).astype('uint8'),'RGBA')    new_img.save('/tmp/normalized.png')

总结

以上是内存溢出为你收集整理的使用Python PIL对图像进行强度归一化 – 速度问题全部内容，希望文章能够帮你解决使用Python PIL对图像进行强度归一化 – 速度问题所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。