Wie analysieren bitmap-Bild in python, mit PIL?

Ich Frage mich, wie Sie mithilfe von Python-Imaging-Bibliothek zu analysieren, eine einfache bitmap-Bild (sagen die bitmap hat eine Dicke, schwarze Linie an der Spitze), dem Programm zu sagen, waren die oben auf dem Bild ist. Vielleicht Ausgabe eine Meldung angezeigt, wenn die schwarze Linie gefunden wird.

Alle Beispiel-code wäre eine große Hilfe.

  • Heyho, ich aktualisierte meine Antwort mit einigen Beispiel-code. Prost!
InformationsquelleAutor Unknowen | 2013-09-22
  1. 8

    Könnten Sie konvertieren Sie das Bild in rgb ist (rot,blau,grün). Zum Beispiel, Sie bekommen ein Bild von hier:

    https://github.com/panditarevolution/PIL_Play/blob/master/blackline.jpg

    import PIL

# The conversion should work equally with a bitmap
img = PIL.Image.open("blackline.jpg")
rgb_im = img.convert('RGB')

rgb_im.size

    Diese gibt die Größe in Anzahl der Pixel: (680,646). Sie können die Abfrage der Farbe der einzelnen Pixel mit rgb_im.getpixel((x,y)) wo x geht horizontal und y geht vertikal von oben nach unten glaube ich.

    Also zu prüfen, ob die erste Zeile ist alles schwarz (oder meist schwarz), könnte man etwas wie das hier tun:

    # Get the first row rgb values
first_row = [rgb_im.getpixel((i,0)) for i in range(rgb_im.size[0])]
# Count how many pixels are black. Note that jpg is not the cleanest of all file formats. 
# Hence converting to and from jpg usually comes with some losses, i.e. changes in pixel values. 
first_row.count((0,0,0)) # --> 628
len(first_row) #--> 680

    628/680 = 92% der Pixel in der ersten Zeile sind schwarz.

    Prüfen wir, ob alle vorkommenden Farben in der ersten Zeile mit set(first_row) gibt mir:

    {(0, 0, 0),
 (0, 0, 2),
 (0, 1, 0),
 (1, 0, 0),
 (1, 1, 1),
 (2, 2, 0),
 (2, 2, 2),
 (4, 4, 2),
 (4, 4, 4),
 (5, 5, 3),
 (5, 7, 6),
 (6, 6, 4),
 (7, 7, 5),
 (14, 14, 12),
 (14, 14, 14),
 (35, 36, 31),
 (52, 53, 48),
 (53, 54, 46),
 (63, 64, 59),
 (64, 65, 60),
 (66, 67, 61),
 (68, 69, 61),
 (76, 77, 71),
 (79, 82, 65),
 (94, 96, 83),
 (96, 98, 87),
 (99, 101, 90),
 (101, 103, 92)}

    Also selbst wenn es rund 8% nicht-schwarzen Pixel, wir können sehen, dass die meisten von diesen sind ziemlich Monochrom, d.h. Schattierungen von Grau; die rgb-Werte sind ziemlich nah zu einander für jede Farbe.

    Gibt es ein gutes tutorial auf PIL hier:
    http://effbot.org/imagingbook/

    Einen grundlegenden überblick finden Sie hier:
    http://infohost.nmt.edu/tcc/help/pubs/pil.pdf

    Als bonus, und ohne zu wissen, ob es gut ist oder nicht (oder ob es deckt PIL), es ist ein kostenloser Entwurf von "Programming Computer Vision with Python" finden Sie hier:
    http://programmingcomputervision.com/

    • Ich danke Ihnen sehr viel, Sie erklärt es sehr gut!
    InformationsquelleAutor pandita
Schreibe einen Kommentar