我正在尝试确定图像是否被平方(像素化).
我听说过2D四重变换有numpy或scipy,但它有点复杂.
目标是确定由于压缩不良导致的平方区域数量(img a):
解决方法:
我不知道这是否可行 – 但是,你可以尝试的是让一个像素周围的最近邻居.像素化的正方形将是区域周围RGB值的可见跳跃.
你可以找到图像中每个像素的最近邻居
def get_neighbors(x,y, img):
ops = [-1, 0, +1]
pixels = []
for opy in ops:
for opx in ops:
try:
pixels.append(img[x+opx][y+opy])
except:
pass
return pixels
这将为您提供源图像区域中最近的像素.
要使用它,你会做类似的事情
def detect_pixellated(fp):
img = misc.imread(fp)
width, height = np.shape(img)[0:2]
# Pixel change to detect edge
threshold = 20
for x in range(width):
for y in range(height):
neighbors = get_neighbors(x, y, img)
# Neighbors come in this order:
# 6 7 8
# 3 4 5
# 0 1 2
center = neighbor[4]
del neighbor[4]
for neighbor in neighbors:
diffs = map(operator.abs, map(operator.sub, neighbor, center))
possibleEdge = all(diff > threshold for diff in diffs)
经过进一步思考后,使用OpenCV进行边缘检测并获得轮廓尺寸.这将更加容易和强大.
标签:python,image,pixel 来源: https://codeday.me/bug/20190629/1331156.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。