NumPy数组的阈值化像素索引

Question

我确信这个问题可以通过谷歌搜索得到答案，但是我不知道要用什么关键词。我对一个具体的案例很感兴趣，同时也想了解一般情况下如何做。假设我有一张RGB图像，它被表示为一个形状为(宽度，高度，3)的数组，我想找到所有红色通道大于100的像素。我觉得image > [100, 0, 0]应该给我一个索引数组（如果我比较一个标量并使用灰度图像，则会给出结果），但是这会将每个元素与列表进行比较。我该如何在前两个维度上进行比较，其中每个“元素”都是最后一个维度？

- Sheyne

---

如果有一个高效的方法，请告诉我，我想检查是否有任何通道大于某个阈值。 - Sheyne

Answer 1

要仅检测红色通道，可以像这样做 -

np.argwhere(image[:,:,0] > threshold)

解释：

1. 将red-channel与threshold进行比较，得到一个布尔数组，形状与输入图像相同，但没有第三个轴（颜色通道）。
2. 使用np.argwhere获取成功匹配的索引。

如果想要查看任何通道是否高于某个阈值，请使用.any(-1)（沿着最后一个轴/颜色通道满足条件的任何元素）。

np.argwhere((image > threshold).any(-1))

样例运行

输入图像：

In [76]: image
Out[76]: 
array([[[118,  94, 109],
        [ 36, 122,   6],
        [ 85,  91,  58],
        [ 30,   2,  23]],

       [[ 32,  47,  50],
        [  1, 105, 141],
        [ 91, 120,  58],
        [129, 127, 111]]], dtype=uint8)

In [77]: threshold
Out[77]: 100

案例 #1：仅红色通道

In [69]: np.argwhere(image[:,:,0] > threshold)
Out[69]: 
array([[0, 0],
       [1, 3]])

In [70]: image[0,0]
Out[70]: array([118,  94, 109], dtype=uint8)

In [71]: image[1,3]
Out[71]: array([129, 127, 111], dtype=uint8)

案例 #2：任意通道

In [72]: np.argwhere((image > threshold).any(-1))
Out[72]: 
array([[0, 0],
       [0, 1],
       [1, 1],
       [1, 2],
       [1, 3]])

In [73]: image[0,1]
Out[73]: array([ 36, 122,   6], dtype=uint8)

In [74]: image[1,1]
Out[74]: array([  1, 105, 141], dtype=uint8)

In [75]: image[1,2]
Out[75]: array([ 91, 120,  58], dtype=uint8)

---

np.einsum提供比np.any更快的替代方案

np.einsum可以被“欺骗”以执行np.any的工作，结果稍微快一点。

因此，boolean_arr.any(-1)等同于np.einsum('ijk->ij',boolean_arr)。

以下是各种数据大小的相关运行时间 -

In [105]: image = np.random.randint(0,255,(30,30,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
10000 loops, best of 3: 79.2 µs per loop
10000 loops, best of 3: 56.5 µs per loop
True

In [106]: image = np.random.randint(0,255,(300,300,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
100 loops, best of 3: 5.47 ms per loop
100 loops, best of 3: 3.69 ms per loop
True

In [107]: image = np.random.randint(0,255,(3000,3000,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
1 loops, best of 3: 833 ms per loop
1 loops, best of 3: 640 ms per loop
True

- Divakar