PIL：创建图像颜色亮度的一维直方图？

Question

我一直在编写一个脚本，我基本上需要它：

• 使图像灰度化（或双色调，我将同时使用两者来看看哪个效果更好）。
• 处理每个单独的列并为每个列创建一个净强度值。
• 将结果放入有序列表中。

有一种非常简单的方法可以使用 ImageMagick 来做到这一点（尽管您需要一些 Linux 实用程序来处理输出文本），但我并没有真正了解如何使用 Python 和 PIL 来做到这一点。

这是我到目前为止所得到的：

from PIL import Image

image_file = 'test.tiff'

image = Image.open(image_file).convert('L')

histo = image.histogram()
histo_string = ''

for i in histo:
  histo_string += str(i) + "\n"

print(histo_string)

这输出了一些东西（我正在寻找绘制结果的图表），但它看起来与 ImageMagick 输出完全不同。我用它来检测扫描书籍的接缝和内容。

感谢任何提供帮助的人！

---

我现在有一个（看起来很糟糕的）有效的解决方案：

from PIL import Image
import numpy

def smoothListGaussian(list,degree=5):
  window=degree*2-1
  weight=numpy.array([1.0]*window)
  weightGauss=[]

  for i in range(window):
    i=i-degree+1
    frac=i/float(window)
    gauss=1/(numpy.exp((4*(frac))**2))
    weightGauss.append(gauss)

  weight=numpy.array(weightGauss)*weight
  smoothed=[0.0]*(len(list)-window)

  for i in range(len(smoothed)):
    smoothed[i]=sum(numpy.array(list[i:i+window])*weight)/sum(weight)

  return smoothed

image_file = 'verypurple.jpg'
out_file = 'out.tiff'

image = Image.open(image_file).convert('1')
image2 = image.load()
image.save(out_file)

intensities = []

for x in xrange(image.size[0]):
  intensities.append([])

  for y in xrange(image.size[1]):
    intensities[x].append(image2[x, y] )

plot = []

for x in xrange(image.size[0]):
  plot.append(0)

  for y in xrange(image.size[1]):
    plot[x] += intensities[x][y]

plot = smoothListGaussian(plot, 10)

plot_str = ''

for x in range(len(plot)):
  plot_str += str(plot[x]) + "\n"

print(plot_str)

Answer 1

我看到你正在使用 numpy。我首先将灰度图像转换为 numpy 数组，然后使用 numpy 沿轴求和。奖励：当您修复平滑函数以接受一维数组作为输入时，您可能会发现平滑函数运行得更快。

>>> from PIL import Image
>>> import numpy as np
>>> i = Image.open(r'C:\Pictures\pics\test.png')
>>> a = np.array(i.convert('L'))
>>> a.shape
(2000, 2000)
>>> b = a.sum(0) # or 1 depending on the axis you want to sum across
>>> b.shape
(2000,)

Answer 2

来自 PIL 文档， 直方图为您提供图像中每个像素值的像素计数列表。如果您有灰度图像，则将有 256 个不同的可能值，范围从 0 到 255，并且从 image.histogram 返回的列表将有 256 个条目。