Python: Как реализовать двоичный фильтр на RGB-изображении?(алгоритм)

Question

Я пытаюсь реализовать фильтр двоичных изображений (чтобы получить монохромное двоичное изображение), используя python & PyQT5, и для получения новых цветов пикселей я использую следующий метод:

def _new_pixel_colors(self, x, y):
    color = QColor(self.pixmap.pixel(x, y))

    result = qRgb(0, 0, 0) if all(c < 127 for c in color.getRgb()[:3]) else qRgb(255, 255, 255)

    return result

Может ли это бытьправильный образец двоичного фильтра для изображения RGB ?Я имею в виду, это достаточное условие, чтобы проверить, является ли пиксель ярче или темнее, чем (127,127,127) Серый цвет?И пожалуйста, не предоставляйте никаких решений с opencv, подушками и т. Д. .Я спрашиваю только о самом алгоритме.

Answer 1

Я бы, по крайней мере, сравнил с интенсивностью i=R+G+B ...

Для ROI подобных масок вы можете использовать любые методы пороговых значений (адаптивный порог является лучшим) но если ваше результирующее изображение не является маской ROI и должно напоминать визуальные особенности исходного изображения, то лучшее из известных мне преобразований - использовать дизеринг .

Идея, лежащая в основе сглаживания черно-белого изображения, заключается в преобразовании серых шкал в черно-белые изображения, сохраняющие затенение.Результат часто шумный, но сохраняет гораздо больше визуальных деталей.Здесь простой наивный C ++ дизеринг (извините, не кодер Python):

picture pic0,pic1;
    // pic0 - source img
    // pic1 - output img
int x,y,i;
color c;
// resize output to source image size clear with black
pic1=pic0; pic1.clear(0);
// dithering
i=0;
for (y=0;y<pic0.ys;y++)
 for (x=0;x<pic0.xs;x++)
    {
    // get source pixel color (AARRGGBB)
    c=pic0.p[y][x];
    // add to leftovers
    i+=WORD(c.db[picture::_r]); // _r,_g,_b are just constants 0,1,2
    i+=WORD(c.db[picture::_g]);
    i+=WORD(c.db[picture::_b]);
    // threshold white intensity is 255+255+255=765
    if (i>=384){ i-=765; c.dd=0x00FFFFFF; } else c.dd=0;
    // copy to destination image
    pic1.p[y][x]=c;
    }

То же самое, что и в приведенной выше ссылке, но с использованием только черного и белого.i - это накопленная интенсивность, которая будет размещена на изображении.xs,ys - это разрешение, а c.db[] - это доступ к цветному каналу.

Если применить это к цветному изображению следующим образом:

Результат выглядит следующим образом:

Как вы можете видеть все детали, где сохранились, но появляются шумные узоры ... Для печати былоиногда разрешение изображения умножается для повышения качества.Если вы поменяете наивные 2, вложенные в петли, с лучшим рисунком (например, квадраты 16x16 и т. Д.), То шум будет сохраняться вблизи артефактов ограничения источника.Существуют также подходы, использующие псевдослучайные паттерны (поместите остаток i рядом с исходным пикселем в случайном месте), который даже лучше ...

Но для размытия BW достаточно наивного подхода в качестве артефактоввсего один пиксель в размере.Для цветного сглаживания артефакты могут создавать нежелательные горизонтальные линии размером в несколько пикселей (зависит от того, используется ли неправильная палитра, чтобы соответствовать худшей палитре, более крупные артефакты ...)

PS только для сравнениядругие выходы порогового значения ответа - это то же самое изображение, сглаженное:

Answer 2

пороговое значение изображения - это класс алгоритмов, который вы ищете - двоичный порог устанавливает пиксели на 0 или 1, да.

В зависимости от желаемого результата, рассмотрите возможность преобразованияИзображение сначала в другие цветовые пространства, в частности HSL, с каналом яркости.Использование (127, 127, 127) в качестве порога не всегда учитывает яркость, потому что каждый канал RGB является насыщенностью R, G или B;рассмотрите это изображение:

from PIL import Image
import colorsys


def threshold_pixel(r, g, b):
    h, l, s = colorsys.rgb_to_hls(r / 255., g / 255., b / 255.)
    return 1 if l > .36 else 0
    # return 1 if r > 127 and g > 127 and b > 127 else 0


def hlsify(img):
    pixels = img.load()
    width, height = img.size

    # Create a new blank monochrome image.
    output_img = Image.new('1', (width, height), 0)
    output_pixels = output_img.load()

    for i in range(width):
        for j in range(height):
            output_pixels[i, j] = threshold_pixel(*pixels[i, j])

    return output_img


binarified_img = hlsify(Image.open('./sample_img.jpg'))
binarified_img.show()
binarified_img.save('./out.jpg')

На других сайтах StackExchange существует множество дискуссий на эту тему, например,

Бинаризация данных изображения

Как выполнить бинаризациюцветное изображение?

как получить хорошее двоичное изображение, используя метод Оцу для этого изображения?