我在业余时间处理一个小问题，包括分析通过显微镜获得的一些图像。它是一个到处都有东西的晶圆，最终我想做一个程序来检测某些材料何时出现。
不管怎样，第一步是将图像的强度标准化，因为镜头不会产生均匀的闪电。目前我使用的图像，没有任何东西，只有基板，作为背景，或参考，图像。我找到RGB的三个(强度)值中的最大值。from PIL import Image
from PIL import ImageDraw
rmax = 0;gmax = 0;bmax = 0;rmin = 300;gmin = 300;bmin = 300
im_old = Image.open(“test_image.png”)
im_back = Image.open(“background.png”)
maxx = im_old.size[0] #Import the size of the image
maxy = im_old.size[1]
im_new = Image.new(“RGB”, (maxx,maxy))
pixback = im_back.load()
for x in range(maxx):
for y in range(maxy):
if pixback[x,y][0] > rmax:
rmax = pixback[x,y][0]
if pixback[x,y][1] > gmax:
gmax = pixback[x,y][1]
if pixback[x,y][2] > bmax:
bmax = pixback[x,y][2]
pixnew = im_new.load()
pixold = im_old.load()
for x in range(maxx):
for y in range(maxy):
r = float(pixold[x,y][0]) / ( float(pixback[x,y][0])*rmax )
g = float(pixold[x,y][1]) / ( float(pixback[x,y][1])*gmax )
b = float(pixold[x,y][2]) / ( float(pixback[x,y][2])*bmax )
pixnew[x,y] = (r,g,b)
代码的第一部分确定了背景图像的红、绿、蓝通道的最大强度(逐像素)，但只需要一次。
第二部分获取“真实”图像(上面有东西)，并根据背景逐像素地对红、绿、蓝通道进行标准化。这需要一些时间，1280×960图像需要5-10秒，如果需要对多个图像执行此操作，则速度太慢。
如何提高速度？我想将所有图像移动到numpy数组中，但似乎找不到一种快速的方法来处理RGB图像。
我宁愿不离开Python，因为我的C++是相当低的，并且得到一个工作的FORTRAN代码可能要比我在速度方面节省的时间要长：P<