如果我有一个由3D ndarray表示的图像列表,例如 [[x,y,color],...]
,我可以使用哪些操作来输出其值为所有值的中位数的图像?我正在使用for循环,但发现速度太慢。
如果我有一个由3D ndarray表示的图像列表,例如 [[x,y,color],...]
,我可以使用哪些操作来输出其值为所有值的中位数的图像?我正在使用for循环,但发现速度太慢。
import numpy as np
import scipy.ndimage
# Load five images:
ims = [scipy.ndimage.imread(str(i + 1) + '.png', flatten=True) for i in range(5)]
# Stack the reshaped images (rows) vertically:
ims = np.vstack([im.reshape(1,im.shape[0] * im.shape[1]) for im in ims])
# Compute the median column by column and reshape to the original shape:
median = np.median(ims, axis=0).reshape(100, 100)
import numpy as np
import scipy.ndimage
import matplotlib.pyplot as plt
ims = [scipy.ndimage.imread(str(i + 1) + '.png', flatten=True) for i in range(5)]
print ims[0].shape # (100, 100)
ims = np.vstack([im.reshape(1,im.shape[0] * im.shape[1]) for im in ims])
print ims.shape # (5, 10000)
median = np.median(ims, axis=0).reshape(100, 100)
fig = plt.figure(figsize=(100./109., 100./109.), dpi=109, frameon=False)
ax = fig.add_axes([0, 0, 1, 1])
ax.axis('off')
plt.imshow(median, cmap='Greys_r')
plt.show()
numpy.median
):
有趣的是,平均值 (numpy.mean
) 的结果看起来像这样:
好了,科学与艺术相遇。 :-)
您提到了彩色图像,格式为三维ndarrays
列表。假设有n
张图像:
imgs = [img_1, ..., img_n]
其中,imgs是一个列表,每个img_i都是形状为(nrows, ncols, 3)的ndarray。
将该列表转换为4d ndarray,然后对应于图像的维度取中值:
import numpy as np
# Convert images to 4d ndarray, size(n, nrows, ncols, 3)
imgs = np.asarray(imgs)
# Take the median over the first dim
med = np.median(imgs, axis=0)
asarray()
的文档说:“如果输入已经是一个 ndarray,则不执行任何复制操作”。这表明,如果将原始图像列表存储为4d ndarray
而不是列表,则操作速度会更快。在这种情况下,不需要复制内存中的信息(或运行asarray()
)。np.median(imgs, axis=0)
简单易行且有效。 - ferk86