Вот еще несколько ресурсов, которые необходимо проверить:
Это управление DevExpress WinForms: http://www.devexpress.com/Products/NET/Controls/WinForms/Wizard/
А платформа мастеров собственной разработки: http://weblogs.asp.net/justin_rogers/articles/60155.aspx
платформа мастера А частью Shawn Wildermut платформы Chris Sells Genghis: http://www.sellsbrothers.com/tools/genghis/
Вам нужно будет представить изображение в виде двухмерного массива. Это означает либо создание списка списков пикселей, либо просмотр одномерного массива как двухмерного с помощью некоторой умной математики. Затем для каждого целевого пикселя вам необходимо найти все окружающие пиксели. Вы можете сделать это с помощью генератора Python следующим образом:
def targets(x,y):
yield (x,y) # Center
yield (x+1,y) # Left
yield (x-1,y) # Right
yield (x,y+1) # Above
yield (x,y-1) # Below
yield (x+1,y+1) # Above and to the right
yield (x+1,y-1) # Below and to the right
yield (x-1,y+1) # Above and to the left
yield (x-1,y-1) # Below and to the left
Итак, вы могли бы использовать его так:
for x in range(width):
for y in range(height):
px = pixels[x][y]
if px[0] == 255 and px[1] == 255 and px[2] == 255:
for i,j in targets(x,y):
newpixels[i][j] = replacementColor
Лучший способ сделать это - использовать алгоритм «цвет в альфа», используемый в GIMP для замены цвета. Он отлично подойдет в вашем случае. Я повторно реализовал этот алгоритм, используя PIL для фотопроцессора Python с открытым исходным кодом phatch . Вы можете найти полную реализацию здесь . Это чистая реализация PIL и других зависимостей у нее нет. Вы можете скопировать код функции и использовать его. Вот пример использования GIMP: от
до
Вы можете применить функцию color_to_alpha
к изображению, используя черный цвет в качестве цвета. Затем вставьте изображение на другой цвет фона, чтобы произвести замену.
Между прочим, эта реализация использует модуль ImageMath в PIL. Это намного эффективнее, чем доступ к пикселям с помощью getdata.
РЕДАКТИРОВАТЬ: Вот полный код:
from PIL import Image, ImageMath
def difference1(source, color):
"""When source is bigger than color"""
return (source - color) / (255.0 - color)
def difference2(source, color):
"""When color is bigger than source"""
return (color - source) / color
def color_to_alpha(image, color=None):
image = image.convert('RGBA')
width, height = image.size
color = map(float, color)
img_bands = [band.convert("F") for band in image.split()]
# Find the maximum difference rate between source and color. I had to use two
# difference functions because ImageMath.eval only evaluates the expression
# once.
alpha = ImageMath.eval(
"""float(
max(
max(
max(
difference1(red_band, cred_band),
difference1(green_band, cgreen_band)
),
difference1(blue_band, cblue_band)
),
max(
max(
difference2(red_band, cred_band),
difference2(green_band, cgreen_band)
),
difference2(blue_band, cblue_band)
)
)
)""",
difference1=difference1,
difference2=difference2,
red_band = img_bands[0],
green_band = img_bands[1],
blue_band = img_bands[2],
cred_band = color[0],
cgreen_band = color[1],
cblue_band = color[2]
)
# Calculate the new image colors after the removal of the selected color
new_bands = [
ImageMath.eval(
"convert((image - color) / alpha + color, 'L')",
image = img_bands[i],
color = color[i],
alpha = alpha
)
for i in xrange(3)
]
# Add the new alpha band
new_bands.append(ImageMath.eval(
"convert(alpha_band * alpha, 'L')",
alpha = alpha,
alpha_band = img_bands[3]
))
return Image.merge('RGBA', new_bands)
image = color_to_alpha(image, (0, 0, 0, 255))
background = Image.new('RGB', image.size, (255, 255, 255))
background.paste(image.convert('RGB'), mask=image)
Если пиксели трудно идентифицировать, например, вы говорите (r <100 и g <100 и b <100) также не соответствует правильной черной области, это означает, что у вас много шума.
Лучше всего Чтобы идентифицировать область и заполнить ее желаемым цветом, вы можете идентифицировать область вручную или, возможно, с помощью обнаружения краев, например http://bitecode.co.uk/2008/07/edge-detection-in-python /
или более сложный подход заключается в использовании библиотеки наподобие opencv ( http://opencv.willowgarage.com/wiki/ ) для идентификации объектов.
Использование numpy и PIL:
Это загружает изображение в numpy-массив формы (W, H, 3)
, где W
- это
ширина и H
- высота. Третья ось массива представляет 3 цвета.
каналы, R, G, B
.
import Image
import numpy as np
orig_color = (255,255,255)
replacement_color = (0,0,0)
img = Image.open(filename).convert('RGB')
data = np.array(img)
data[(data == orig_color).all(axis = -1)] = replacement_color
img2 = Image.fromarray(data, mode='RGB')
img2.show()
Поскольку orig_color
является кортежем длиной 3, а данные
имеют
форма (W, H, 3)
, NumPy
передает
orig_color
массиву формы (W, H, 3)
для выполнения сравнения данных ==
orig_color
. Результатом является логический массив формы (W, H, 3)
.
(data == orig_color) .all (axis = -1)
- это логический массив формы (W, H)
, который
имеет значение True везде, где цвет RGB в данных
равен original_color
.