Python: Konvertiert Bilder von RGB in YDbDr-Farbraum

Question

Versuch, ein Bild aus dem RGB-Farbraum in einen YDbDr-Farbraum gemäß der folgenden Formel zu konvertieren:

Y = 0.299R + 0.587G + 0.114B

Db = -0.45R - 0.883G +1.333B

Dr = -1.333R + 1.116G + 0.217B

Mit dem folgenden Code versuche ich, nur den Y-Kanal anzuzeigen, der ein Graustufenbild sein sollte, aber ich erhalte immer wieder ein Bild in blauer Farbe:

import numpy as np
from PIL import Image
import cv2
import matplotlib.pyplot as plt

img = cv2.imread("./pics/Slike_modela/Test/Proba/1_Color.png")
new_img = []
for row in img:
    new_row = []
    for pixel in row:
        Y = 0.299*pixel[2]+0.587*pixel[1]+0.114*pixel[0]
        Db = -0.45*pixel[2]-0.883*pixel[1]+1.333*pixel[0]
        Dr = -1.333*pixel[2]+1.116*pixel[1]+0.217*pixel[0]
        new_pixel = [Y, Db, Dr]
        new_row.append(new_pixel)
    new_img.append(new_row)

new_img_arr = np.array(new_img)
new_img_arr_y = new_img_arr.copy()
new_img_arr_y[:,:,1] = 0
new_img_arr_y[:,:,2] = 0
print (new_img_arr_y)
cv2.imshow("y image", new_img_arr_y) 
key = cv2.waitKey(0)

Beim Drucken des Ergebnis-Arrays sehe ich korrekte Zahlen gemäß Formel und korrekter Form des Arrays.

Was ist mein Fehler? Wie bekomme ich ein Y-Kanal-Bild, dh ein Graustufenbild?

Answer 1

Wenn Sie Bilder mit Python verarbeiten, sollten Sie wirklich Folgendes vermeiden:

• Behandeln von Bildern als Listen und Anhängen von Millionen und Abermillionen von Pixeln, von denen jedes ein ganz neues Objekt erstellt und Platz für die Verwaltung benötigt

• Verarbeiten von Bildern mit forSchleifen, die sehr langsam sind

Der bessere Weg, mit beiden umzugehen, ist die Verwendung Numpyoder anderer vektorisierter Codebibliotheken oder -techniken. Deshalb OpenCV , wand, scikit-imageoffen und Griffbilder als Numpy Arrays.

Sie möchten also grundsätzlich ein Punktprodukt der Farbkanäle mit einem Satz von 3 Gewichten erstellen:

import cv2
import numpy as np

# Load image
im = cv2.imread('paddington.png', cv2.IMREAD_COLOR)

# Calculate Y using Numpy "dot()"
Y = np.dot(im[...,:3], [0.114, 0.587, 0.299]).astype(np.uint8)

Das ist es.