时间戳

首页 > 解决方案 > 从图像中删除抗锯齿

python - 从图像中删除抗锯齿

问题描述

我想从图像中删除抗锯齿。此代码将从图像中获取 4 种主要颜色，将每个像素与 4 种主要颜色进行比较并分配最接近的颜色。 

import numpy as np
from PIL import Image

image = Image.open('pattern_2.png')
image_nd = np.array(image)
image_colors = {}

for row in image_nd:
    for pxl in row:
        pxl = tuple(pxl)
        if not image_colors.get(pxl):
            image_colors[pxl] = 1
        else:
            image_colors[pxl] += 1

sorted_image_colors = sorted(image_colors, key=image_colors.get, reverse=True)
four_major_colors = sorted_image_colors[:4]


def closest(colors, color):
    colors = np.array(colors)
    color = np.array(color)
    distances = np.sqrt(np.sum((colors - color) ** 2, axis=1))
    index_of_smallest = np.where(distances == np.amin(distances))
    smallest_distance = colors[index_of_smallest]
    return smallest_distance[0]


for y, row in enumerate(image_nd):
    for x, pxl in enumerate(row):
        image_nd[y, x] = closest(four_major_colors, image_nd[y, x])

aliased = Image.fromarray(image_nd)
aliased.save("pattern_2_al.png")

这是结果：
在此处输入图像描述

如您所见，颜色之间的边界并不完美。

这就是我追求的结果：

在此处输入图像描述

（似乎图像托管站点压缩了图像，并且不会正确显示“别名”图像）

标签： pythonnumpyimage-processingpython-imaging-libraryantialiasing

解决方案

这里的主要问题在于您的closest方法：

def closest(colors, color):
    colors = np.array(colors)
    color = np.array(color)
    distances = np.sqrt(np.sum((colors - color) ** 2, axis=1))

两者都colors成为colorNumPy 类型的数组uint8。现在，当减去uint8值时，您不会得到负值，但会发生整数下溢，导致值接近255. 因此，然后计算出来distances的都是错误的，最终导致选色错误。

因此，最快的解决方法是将两个变量都转换为int32：

def closest(colors, color):
    colors = np.array(colors).astype(np.int32)
    color = np.array(color).astype(np.int32)
    distances = np.sqrt(np.sum((colors - color) ** 2, axis=1))

此外，利用 NumPy 的矢量化能力可能很有用。为您的方法考虑以下closest方法：

def closest(colors, image):
    colors = np.array(colors).astype(np.int32)
    image = image.astype(np.int32)
    distances = np.argmin(np.array([np.sqrt(np.sum((color - image) ** 2, axis=2)) for color in colors]), axis=0)
    return colors[distances].astype(np.uint8)

所以，而不是迭代所有的像素

for y in np.arange(image_nd.shape[0]):
    for x in np.arange(image_nd.shape[1]):
        image_nd[y, x] = closest(four_major_colors, image_nd[y, x])

您可以简单地传递整个图像：

image_nd = closest(four_major_colors, image_nd)

使用给定的图像，我的机器加速了 100 倍。当然，也可以优化查找 RGB 直方图值。（不幸的是，我对 Python 字典的体验还不是很好……）

无论如何——希望有帮助！

推荐阅读