如何在R中快速将图像中所有红/粉色像素转为白色？

问题背景 #

需要选择性把心电图（ECG）图像里的红/粉色像素转成白色，以此去除背景网格，而且不能把整个图像转成灰度。现在用的for循环方法处理单张图要花约60秒，速度太慢，想找更快的像素处理方式。用imager包加载图像，图像结构如下：

'cimg' num [1:1208, 1:927, 1, 1:4] 0.796 1 1 1 1 ...

现有低效代码 #

当前实现的DropGrid函数靠两次for循环处理像素：

DropGrid <- function (im, b.thresh = 0.1)
{
    black.pix <- which (im[,,1,1] < b.thresh & im[,,1,2] < b.thresh & im[,,1,3] < b.thresh)
    black.X <- rep (NA, length(black.pix))
    black.Y <- rep (NA, length(black.pix))

    for (i in 1:length(black.pix))
    {
        black.X[i] <- as.integer(black.pix[i] %% nrow(im))
        black.Y[i] <- as.integer(black.pix[i] / nrow(im)) + 1
    }

    im.alter <- imfill (x = nrow(im), y = ncol(im), z = 1, val = c(1.0, 1.0, 1.0, 1.0))

    for (i in 1:length(black.pix))
    {
        im.alter[black.X[i], black.Y[i], 1, ] <- c (0.0, 0.0, 0.0, 1.0)
    }

    return (im.alter)
}

优化方案 #

1. 用向量化操作替代for循环 #

imager包的cimg对象支持向量化索引，不用手动拆分坐标或循环赋值，直接通过布尔掩码批量修改像素：

DropGrid_fast <- function(im, b.thresh = 0.1) {
  # 创建全白图像
  im_alter <- imfill(x = nrow(im), y = ncol(im), z = 1, val = c(1.0, 1.0, 1.0, 1.0))
  
  # 生成深色像素的布尔掩码（R/G/B均小于阈值）
  is_dark <- im[,,1,1] < b.thresh & im[,,1,2] < b.thresh & im[,,1,3] < b.thresh
  
  # 批量将符合条件的像素设为黑色
  im_alter[is_dark,,1,] <- c(0.0, 0.0, 0.0, 1.0)
  
  return(im_alter)
}

2. 精准过滤红/粉色网格（可选） #

如果要直接定位红/粉色像素（不是只保留深色），可以通过RGB通道的比例判断红/粉色特征（R值明显高于G和B），把对应像素换成白色：

RemovePinkGrid <- function(im, r_thresh = 0.6, gb_ratio = 0.5) {
  # 复制原图像，避免修改原始数据
  im_alter <- copy(im)
  
  # 红/粉色判断：R值高，且G、B远低于R
  is_pink <- im[,,1,1] > r_thresh & im[,,1,2] < im[,,1,1] * gb_ratio & im[,,1,3] < im[,,1,1] * gb_ratio
  
  # 将红/粉色像素设为白色
  im_alter[is_pink,,1,] <- c(1.0, 1.0, 1.0, 1.0)
  
  return(im_alter)
}

优化说明 #

• 向量化操作避开了逐像素循环，效率能提升数十倍甚至上百倍；
• 直接用布尔掩码索引cimg对象，不用手动计算坐标，代码更简洁；
• 第二个函数专门针对红/粉色网格过滤，更贴合需求场景。

内容的提问来源于stack exchange，提问作者aparish