python实现求纯色彩图像的边框_Python

python实现求纯色彩图像的边框

2021-10-07 00:31走错路的程序员 Python

这篇文章主要为大家详细介绍了python实现求纯色彩图像的边框，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下

本文实例为大家分享了python实现求纯色彩图像的边框，供大家参考，具体内容如下

先上效果图,这里显示有点色差, 实际数值是纯色的, 而不是混色的.

python实现求纯色彩图像的边框

放大局部细节看是这样的

python实现求纯色彩图像的边框

原图是下面这样的

python实现求纯色彩图像的边框

这个算法最大的特点是保留原始像素的数值, 而不是把边框统一变成白色.
实现的算法也超级简单. 就是有点慢. 考虑到我这个应用场景对性能要求不高, 比人快就行. 人工是它的几百倍. 所以也就无所谓啦.
测试结果一张1080*1920的图用时3秒, 如果换成c语言估计0.5秒左右.

算法原理, 每次4个田子形像素逐行扫描. 发现4个像素不一致的就输出到结果图上. 否则就是输出0.

代码如下.

				?

									#

									# demo.py

									# 识别单张图片

									#

									import argparse

									import os 

									import numpy as np

									import time

									from modeling.deeplab import *

									from dataloaders import custom_transforms as tr

									from pil import image

									from torchvision import transforms

									from dataloaders.utils import  *

									from torchvision.utils import make_grid, save_image,to_image

									import matplotlib

									matplotlib.use('tkagg')

									import matplotlib.pyplot as plt

									def main():

									    im = image.open("test_border.png")

									    npimg = np.array(im) # 这个图片是1维的索引图. 

									    # chwimg = npimg.transpose(2,0,1) # hwc 变成 chw 格式的矩阵

									    print(npimg.shape)

									    h,w,c = npimg.shape

									    src = np.sum(npimg,axis=2) # 这里测试用, 先把3通道的合成了一个通道的, 实际使用的时候也是1通道的.

									    print(src.shape)

									    borderimg = np.zeros(src.shape) #默认都输出了0 后面就不用输出0了.

									    # 修补bug, 解决边框线会丢失的问题.

									    borderimg[0,:]=src[0,:]

									    borderimg[:,0]=src[:,0]

									    borderimg[-1,:]=src[-1,:]

									    borderimg[:,-1]=src[:,-1]

									    t1= time.time()

									    for x in range(0,h-1,1): 

									        for y in range(0,w-1,1):

									            # point = src[x,y]

									            # if(point>0):

									                # print(point)

									            if not (src[x,y] == src[x+1,y] == src[x,y+1] == src[x+1,y+1]): # 发现4个像素不一致的就输出到结果图上.

									                borderimg[x,y] = src[x,y]

									                borderimg[x+1,y] = src[x+1,y]

									                borderimg[x,y+1] = src[x,y+1]

									                borderimg[x+1,y+1] = src[x+1,y+1]

									    t2= time.time()

									    print("耗时",t2-t1)

									    plt.figure()

									    plt.title('display') 

									    plt.imshow(src) 

									    plt.show( )

									    plt.imshow(borderimg) 

									    plt.show( )

									    print("start test get image border ...")

									if __name__ == "__main__":

									    main()

									else:

									    main()