Python 3：我试图通过使用np.array遍历所有像素来查找图像中的所有绿色像素，但无法绕过索引错误

Question

我的代码目前包括加载图像，这是成功的，我不相信与问题有任何关联。

然后我继续将彩色图像转换为名为rgb的np.array

    # convert image into array
    rgb = np.array(img)
    red = rgb[:,:,0]
    green = rgb[:,:,1]
    blue = rgb[:,:,2]

为了仔细检查我对这个数组的理解，如果可能是问题的根源，它是一个数组，使得rgb [x坐标，y坐标，颜色带]保持红色的0-255之间的值，绿色或蓝色。

然后，我的想法是制作一个嵌套的for循环来遍历我的图像的所有像素（620px，400px）并根据绿色与蓝色和红色的比例对它们进行排序，以试图挑出更绿的像素并将所有其他像素设置为黑色或0。

for i in range(xsize):
for j in range(ysize):
    color = rgb[i,j]  <-- Index error occurs here
    if(color[0] > 128):
        if(color[1] < 128):
            if(color[2] > 128):
                rgb[i,j] = [0,0,0]

我在尝试运行时收到的错误如下：

IndexError：索引400超出了轴0的大小为400的范围

我认为这可能与我给予i和j的界限有关，所以我尝试只对图像的一个小内部进行排序，但仍然得到相同的错误。在这一点上，我甚至迷失了甚至错误的根源，更不用说解决方案了。

Answer 1

直接回答你的问题，y轴首先在numpy数组中给出，然后是x轴，所以交换你的指数。

---

不那么直接，你会发现for循环在Python中非常慢，你通常最好使用numpy矢量化操作。此外，您经常会发现在HSV colourspace中更容易找到绿色阴影。

让我们从HSL色轮开始：

并假设你想把所有的果岭变成黑色。因此，从维基百科页面看，与绿色对应的Hue是120度，这意味着您可以这样做：

#!/usr/local/bin/python3
import numpy as np
from PIL import Image

# Open image and make RGB and HSV versions
RGBim = Image.open("image.png").convert('RGB')
HSVim = RGBim.convert('HSV')

# Make numpy versions
RGBna = np.array(RGBim)
HSVna = np.array(HSVim)

# Extract Hue
H = HSVna[:,:,0]

# Find all green pixels, i.e. where 100 < Hue < 140
lo,hi = 100,140
# Rescale to 0-255, rather than 0-360 because we are using uint8
lo = int((lo * 255) / 360)
hi = int((hi * 255) / 360)
green = np.where((H>lo) & (H<hi))

# Make all green pixels black in original image
RGBna[green] = [0,0,0]

count = green[0].size
print("Pixels matched: {}".format(count))
Image.fromarray(RGBna).save('result.png')

这使：

---

这是一个稍微改进的版本，保留了alpha /透明度，并匹配红色像素以获得额外的乐趣：

#!/usr/local/bin/python3
import numpy as np
from PIL import Image

# Open image and make RGB and HSV versions
im = Image.open("image.png")

# Save Alpha if present, then remove
if 'A' in im.getbands():
    savedAlpha = im.getchannel('A')
    im = im.convert('RGB')

# Make HSV version
HSVim = im.convert('HSV')

# Make numpy versions
RGBna = np.array(im)
HSVna = np.array(HSVim)

# Extract Hue
H = HSVna[:,:,0]

# Find all red pixels, i.e. where 340 < Hue < 20
lo,hi =  340,20
# Rescale to 0-255, rather than 0-360 because we are using uint8
lo = int((lo * 255) / 360)
hi = int((hi * 255) / 360)
red = np.where((H>lo) | (H<hi))

# Make all red pixels black in original image
RGBna[red] = [0,0,0]

count = red[0].size
print("Pixels matched: {}".format(count))

result=Image.fromarray(RGBna)

# Replace Alpha if originally present
if savedAlpha is not None:
    result.putalpha(savedAlpha)

result.save('result.png')