python归一化改变图像大小_使用Python PIL对图像进行强度归一化 – 速度问题

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.这是一个带有一些东西的晶圆,最终我想制作一个程序来检测某些材料何时出现.

无论如何,第一步是规范化图像的强度,因为镜头不能提供均匀的闪电.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.我找到了RGB的三个(强度)值的最大值.

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背景图像的逐个像素的RED,GREEN和BLUE通道的最大强度,但只需要进行一次.

第二部分采用“真实”图像(上面有东西),并根据背景逐像素地对RED,GREEN和BLUE通道进行标准化.对于1280×960图像,这需要一些时间,5-10秒,如果我需要对多个图像执行此操作,则速度太慢.

我该怎么做才能提高速度？我想将所有图像移动到numpy数组,但我似乎无法找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级别很低,并且获得一个有效的FORTRAN代码可能需要比我在速度方面节省的时间更长：P