如何使用 Pillow 的 Image.load() 函数生成掩码

How to generate a mask using Pillow's Image.load() function

我想根据特定像素值创建蒙版。例如:B > 200

的每个像素

Image.load() 方法似乎正是我用这些值识别像素所需要的方法,但我似乎无法弄清楚如何取出所有这些像素并创建一个蒙版图像他们中的。

            R, G, B = 0, 1, 2

            pixels = self.input_image.get_value().load()
            width, height = self.input_image.get_value().size

            for y in range(0, height):
                for x in range(0, width):
                    if pixels[x, y][B] > 200:
                        print("%s - %s's blue is more than 200" % (x, y))
``

感谢 Mark Setchell 的回复,我通过制作一个与我的图像大小相同的 numpy 数组来解决这个问题,并用零填充。然后对于 B > 200 的每个像素,我将数组中的相应值设置为 255。最后,我将 numpy 数组转换为与输入图像相同模式的 PIL 图像。

            R, G, B = 0, 1, 2

            pixels = self.input_image.get_value().load()
            width, height = self.input_image.get_value().size
            mode = self.input_image.get_value().mode

            mask = np.zeros((height, width))

            for y in range(0, height):
                for x in range(0, width):
                    if pixels[x, y][2] > 200:
                        mask[y][x] = 255

            mask_image = Image.fromarray(mask).convert(mode)

我的意思是让你避免 for 循环,只使用 Numpy。所以,从这张图片开始:

from PIL import Image
import numpy as np

# Open image
im = Image.open('colorwheel.png')

# Make Numpy array
ni = np.array(im)

# Mask pixels where Blue > 200
blues = ni[:,:,2]>200

# Save logical mask as PNG
Image.fromarray((blues*255).astype(np.uint8)).save('result.png')

如果要使蒙版像素变黑,请使用:

ni[blues] = 0
Image.fromarray(ni).save('result.png')


您可以针对这样的范围进行更复杂的复合测试:

#!/usr/bin/env python3

from PIL import Image
import numpy as np

# Open image
im = Image.open('colorwheel.png')

# Make Numpy array
ni = np.array(im)

# Mask pixels where 100 < Blue < 200
blues = ( ni[:,:,2]>100 ) & (ni[:,:,2]<200)

# Save logical mask as PNG
Image.fromarray((blues*255).astype(np.uint8)).save('result.png')

你也可以在Reds, Greens and Blues上做一个条件,然后用Numpy的np.logical_and()np.logical_or()做复合条件,例如:

bluesHi = ni[:,:,2] > 200 
redsLo  = ni[:,:,0] < 50

mask = np.logical_and(bluesHi,redsLo)