从图像中删除抗锯齿功能

我想从图像中删除抗锯齿功能。此代码将从图像中获取 4 种主要颜色，将每个像素与 4 种主要颜色进行比较并分配最接近的颜色。

import numpy as np
from PIL import Image

image = Image.open('pattern_2.png')
image_nd = np.array(image)
image_colors = {}

for row in image_nd:
    for pxl in row:
        pxl = tuple(pxl)
        if not image_colors.get(pxl):
            image_colors[pxl] = 1
        else:
            image_colors[pxl] += 1

sorted_image_colors = sorted(image_colors, key=image_colors.get, reverse=True)
four_major_colors = sorted_image_colors[:4]


def closest(colors, color):
    colors = np.array(colors)
    color = np.array(color)
    distances = np.sqrt(np.sum((colors - color) ** 2, axis=1))
    index_of_smallest = np.where(distances == np.amin(distances))
    smallest_distance = colors[index_of_smallest]
    return smallest_distance[0]


for y, row in enumerate(image_nd):
    for x, pxl in enumerate(row):
        image_nd[y, x] = closest(four_major_colors, image_nd[y, x])

aliased = Image.fromarray(image_nd)
aliased.save("pattern_2_al.png")

This is the result:

正如您所看到的，颜色之间的边界并不完美。

这就是我追求的结果：

（图像托管网站似乎压缩了图像，并且不会正确显示“锯齿”图像）

这里的主要问题在于你的closest method:

def closest(colors, color):
    colors = np.array(colors)
    color = np.array(color)
    distances = np.sqrt(np.sum((colors - color) ** 2, axis=1))

Both colors and color成为 NumPy 类型的数组uint8。现在，当减去uint8值，你不会得到负值，但会发生整数下溢，导致值接近255。因此，随后计算出distances都是错误的，最终导致颜色选择错误。

因此，最快的解决方法是将这两个变量转换为int32:

def closest(colors, color):
    colors = np.array(colors).astype(np.int32)
    color = np.array(color).astype(np.int32)
    distances = np.sqrt(np.sum((colors - color) ** 2, axis=1))

此外，利用 NumPy 的矢量化功能可能很有用。为您考虑以下方法closest method:

def closest(colors, image):
    colors = np.array(colors).astype(np.int32)
    image = image.astype(np.int32)
    distances = np.argmin(np.array([np.sqrt(np.sum((color - image) ** 2, axis=2)) for color in colors]), axis=0)
    return colors[distances].astype(np.uint8)

因此，不要迭代所有像素

for y in np.arange(image_nd.shape[0]):
    for x in np.arange(image_nd.shape[1]):
        image_nd[y, x] = closest(four_major_colors, image_nd[y, x])

你可以简单地传递整个图像：

image_nd = closest(four_major_colors, image_nd)

使用给定的图像，我的机器速度提高了 100 倍。当然，查找 RGB 直方图值也可以进行优化。 （不幸的是，我对 Python 字典的体验还不是很好......）

不管怎样——希望有帮助！