首先，我对Python及其库相对较新。我尝试使用Pillow循环遍历图像的所有像素，将图像划分为原始尺寸的一小部分，方法是从原始图像的所有颜色中提取最接近的RGB颜色作为划分矩阵。使用以下函数，对于具有大量颜色的平均图像，这需要超过 * 三个小时 *：

def divide_image_by_rgb(image_file, division=4):
    input_img = Image.open(image_file)
    width, height = input_img.size
    pixels_count = width * height

    if division < 2:
        raise Exception("Invalid division!")

    white = (255, 255, 255)
    width_out = width // division
    height_out = height // division
    output_img = Image.new('RGB', (width_out, height_out), white)
    all_colors = list(get_colors_count(input_img).keys())

    for x in range(width_out):
        for y in range(height_out):
            pixels = []
            [r, g, b] = [0, 0, 0]
            for d1 in range(division):
                for d2 in range(division):
                    pos_x = x * division + d1
                    pos_y = y * division + d2
                    if pos_x > width or pos_y > height:
                        continue

                    pixel = input_img.getpixel((pos_x, pos_y))
                    pixels.append(pixel)
                    r += pixel[0] ** 2
                    g += pixel[1] ** 2
                    b += pixel[2] ** 2

            div = division ** 2
            mean_color = (
                round(sqrt(r // div)),
                round(sqrt(g // div)),
                round(sqrt(b // div))
            )
            mean_color = closest(all_colors, mean_color)
            output_img.putpixel((x, y), mean_color)
            # log_reduce_progress(changed, pixels_count, height, width, idx, x, y)

    output_file = f"resized.[{division}].{os.path.basename(image_file)}"

    output_img.save(output_file)
    return output_file


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 = tuple(colors[index_of_smallest][0])
    return smallest_distance

字符串

目标：我想用numpy替换显式循环
输入图片：输入图像类似于以下内容：

PNG，大小：（6.32MP）尺寸：2228x2836，深度：24位，颜色计数：632576

结果：

PNG，大小：（0.39MP）尺寸：557x709，深度：24位，颜色计数：110896

为什么：我想减少图像尺寸和颜色，用最少的颜色进行平滑，图像的色调，均匀性和组成不应该丢失。我使用 libimagequant，* quantization ADAPTIVE*，从给定的 RGB palette csv中减少颜色，等等。以前，但这种方法给我最接近的颜色组合所需的结果，我使用结果图像作为RGB调色板，以减少原始图像的颜色相对于主颜色。
**尝试：**我尝试用numpy函数来做这件事，但失败了，每次更改，我的错误和困惑都会增加：

def resize_image_manual_ex(image_file, division=4):

    input_img = Image.open(image_file)
    width, height = input_img.size
    pixels_count = width * height

    white = (255, 255, 255)
    width_out = width // division
    height_out = height // division
    output_img = Image.new('RGB', (width_out, height_out), white)

    # Convert the input image to a NumPy array
    input_array = np.array(input_img)

    # Use NumPy's reshaping to create sub-images
    sub_images = input_array.reshape(height_out, division, width_out, division, 3)

    # Calculate the mean color of each sub-image
    mean_colors = np.mean(sub_images, axis=(1, 3))

    # Find the closest color for each mean color
    all_colors = list(get_colors_count(input_img).keys())
    closest_colors = [closest(all_colors, color) for color in mean_colors]

    for x in range(width_out):
        for y in range(height_out):
            output_img.putpixel((x, y), closest_colors[y, x])

    output_file = f"resized.[{division}].{os.path.basename(image_file)}"

    output_img.save(output_file)
    return output_file

型

上次错误：

sub_images = input_array.reshape（height_out，division，width_out，division，3）
ValueError：无法将大小为56925的数组整形为shape（57，2，82，2，3）
有没有办法用numpy（或其他）代替 for 循环来减少运行时间？非常感谢您的光临。