找到图像的 rgb 像素颜色计数的最快方法

fastest way to find the rgb pixel color count of image

我有一个用例,在搜索后我必须找到实时视频每一帧的连续 rgb 像素颜色计数我发现了一段代码,它做同样的事情但性能明智它需要大约 3 秒给我输出,但在我的情况下,我必须尽可能快地进行此计算,可能是 1 秒内 25 帧。有人可以通过重构以下代码来帮助我弄清楚如何做到这一点

from PIL import Image
import timeit

starttime = timeit.default_timer()
with Image.open("netflix.png") as image:
    color_count = {}
    width, height = image.size
    print(width,height)
    rgb_image = image.convert('RGB')
    for x in range(width):
        for y in range(height):
            rgb = rgb_image.getpixel((x, y))
            if rgb in color_count:
                color_count[rgb] += 1
            else:
                color_count[rgb] = 1

    print('Pixel Count per Unique Color:')
    print('-' * 30)
    print(len(color_count.items()))
print("The time difference is :", timeit.default_timer() - starttime)

输出:

每种独特颜色的像素数: 130869

时差为:3.9660612

您需要使用 Numpy 或 OpenCV 在 Python 中进行快速图像处理。我做了一个9色版的帕丁顿熊:

from PIL import Image
import numpy as np

# Open Paddington and make sure he is RGB - not palette
im = Image.open('paddington.png').convert('RGB')

# Make into Numpy array
na = np.array(im)

# Arrange all pixels into a tall column of 3 RGB values and find unique rows (colours)
colours, counts = np.unique(na.reshape(-1,3), axis=0, return_counts=1)

print(colours)
print(counts)

结果

[[ 14  48  84]
 [ 19  21  30]
 [ 33 108 163]
 [ 33 152 190]
 [ 72  58  58]
 [ 96 154 210]
 [180  89  64]
 [205 210 200]
 [208 151  99]]

[20389 40269 12820  1488 17185 25371 17050 16396  9032]

也就是说RGB有20389个像素点(14,48,84),以此类推

在我的 Mac 上拍摄 400x400 图像需要 125 毫秒,这将为您提供 8 fps,因此您最好拥有至少 4 个 CPU 核心并使用所有核心以获得 25+ fps .


更新

我认为你实际上可以比这快得多。如果将每个像素与 [1,256,65536] 进行点积,每个像素将得到一个 24 位数字,而不是 3 个 8 位数字。这样就可以更快地找到唯一值。看起来像这样:

# Open Paddington and make sure he is RGB - not palette
im = Image.open('paddington.png').convert('RGB')

# Make into Numpy array
na = np.array(im)

# Make a single 24-bit number for each pixel
f = np.dot(na.astype(np.uint32),[1,256,65536]) 

nColours = len(np.unique(f))     # prints 9

我的 Mac 需要 4 毫秒而不是 125 毫秒:-)


关键字: Python, Numpy, PIL/Pillow, 图像处理, 独特颜色计数, 颜色计数。