Python Numpy 数组索引和掩码

Question

Python Numpy 数组索引和掩码

3

我需要帮助将一个三维数组（RGB/BGR图像）使用一个二维索引数组进行索引。所有值都是0、1或2，代表不同的颜色通道。结果应该是一个二维颜色值数组。如果有人能告诉我在Python中实现这个的语法，那就太好了！

为了了解我正在尝试做什么（也请阅读下面的TLDR）：

我实际上正在尝试将以下代码从普通的for循环语法转换为更有效的Python / Numpy语法，因为它非常慢。

colorIndices = np.zeros((height,width));       # an array which has the index of the outstanding color
colorIndices -= 1;           # all -1's

for x in range(0,width):
    for y in range(0,height):

        pix = img[y,x];        # get the pixel, a 1D array of length 3
        colorID = np.argmax(pix);           #get which index has max value (candidate for outstanding color)

        if(pix[colorID]>np.average(pix)+np.std(pix)):      # if that value is more than one std dev away from the overall pixel's value, the pixel has an outstanding color
            colorIndices[y,x] = colorID;

我希望能够使用类似以下方式访问每个像素中的杰出颜色通道：

img[:,:,:]=0;
img[colorIndices] = 255;

简而言之，我想要设置一个像素为纯蓝、绿或红色，如果它是该颜色的一种阴影。我定义一个像素是否为红色的方法是，如果该像素的R值比 {R，G，B} 的整体分布平均值高一个标准差以上。

到目前为止，我有一些错误的代码：

  colorIDs = np.argmax(img, axis=2);

  averages = np.average(img, axis=2);
  stds = np.std(img, axis=2);
  cutoffs = averages + stds;

  print(img[colorIDs]);

- akarshkumar0101

你能贴一下 img 的示例吗？ - najeem

你的代码为什么/如何出现了问题？img的形状是什么？ - Mad Physicist

@MadPhysicist 我的代码还没有完成，我不知道如何完成它以满足我的目标。我应该说是未完成的。 - akarshkumar0101

@najeem 这个图片应该是通用的，适用于任何尺寸，但为了方便起见，我会上传我正在使用的那个。 - akarshkumar0101

2个回答

1

您可以将给定轴上的数字索引转换为值，您可以使用 np.take_along_axis 或花式索引。在使用花式索引时，您需要沿着所有轴用形状广播到最终结果大小的数组进行索引。np.ogrid 可以帮助实现这一点。对于一个 MxNx3 数组 img (M, N, _ = img.shape)，如果您有 ix = np.argmax(img, axis=2)，则索引将如下所示：

r, c = np.ogrid[:M, :N]
maxes = img[r, c, ix]

使用take_along_axis可以节省一步操作和一些临时数组：

maxes = np.take_along_axis(img, ix, 2)

现在创建您的口罩：

significant = np.abs(maxes - img.mean(axis=2) > img.std(axis=2))

此时，您拥有一个二维布尔掩码和第三个维度上的整数索引。最简单的方法可能是将所有内容转换为线性索引：

r, c = np.where(significant)

现在您可以构建输出：

color_index = np.zeros_like(img)
color_index[r, c, ix[significant]] = 255

虽然很诱人，但np.put_along_axis不能直接在这里使用。问题在于用significant屏蔽ix将使其形状不同。但是，您可以创建一个中间的二维数组，在由significant标记的位置处包含255，并将其与put_along_axis一起使用：

values = np.zeros(significant.shape, dtype=img.dtype)
values[significant] = 255
color_index = np.zeros_like(img)
np.put_along_axis(color_index, ix, values, 2)

所有组合：

ix = np.argmax(img, axis=2)
significant = np.abs(np.take_along_axis(img, ix, 2) - img.mean(axis=2)) > img.std(axis=2)
color_index = np.zeros_like(img)
color_index[(*np.where(significant), ix[significant])] = 255

- Mad Physicist

M和N变量是什么？ - akarshkumar0101

而且，最后一段代码中的那些星号对我来说无法运行，并且显示语法错误。 - akarshkumar0101

看了你的代码，似乎color_index将是一个二维灰度图像。这是真的吗？如果可以的话，我更喜欢它是一张彩色图像，如果是突出像素，则保持纯色，并在其他情况下保持精确像素颜色。 - akarshkumar0101

1

你说得对。我可能已经修复了这两个问题，但由于我在移动平台上，无法真正测试。我将在几个小时后在桌面上尝试并更新您。 - Mad Physicist

1

@akarshkumar0101。我已经通过实际测试修复了所有的代码片段。 - Mad Physicist

显示剩余3条评论

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- hpaulj · Accepted Answer

我认为你想将argmax的2d索引掩码应用于第二个轴：

In [38]: img=np.random.randint(0,10,(16,16,3))
In [39]: ids = np.argmax(img, axis=2)
In [40]: ids
Out[40]: 
array([[0, 1, 2, 1, 2, 0, 0, 0, 2, 2, 1, 0, 1, 2, 1, 0],
       [0, 0, 0, 0, 2, 0, 0, 0, 0, 0, 2, 0, 0, 0, 0, 1],
       [1, 1, 0, 0, 0, 0, 1, 2, 0, 2, 2, 1, 2, 1, 1, 0],
       [2, 0, 1, 2, 0, 0, 1, 1, 0, 2, 2, 1, 1, 1, 1, 2],
       [2, 2, 1, 1, 0, 1, 0, 2, 1, 0, 0, 2, 2, 0, 1, 2],
       [1, 0, 2, 1, 0, 2, 0, 1, 0, 1, 1, 2, 1, 1, 0, 2],
       [1, 0, 0, 0, 1, 2, 1, 0, 1, 2, 1, 1, 1, 2, 0, 0],
       [1, 2, 2, 2, 0, 0, 1, 1, 0, 1, 0, 2, 2, 1, 1, 0],
       [0, 2, 2, 1, 0, 0, 1, 0, 2, 1, 1, 0, 2, 1, 1, 0],
       [1, 0, 2, 1, 2, 0, 1, 1, 0, 2, 2, 2, 1, 1, 0, 1],
       [1, 1, 1, 1, 1, 2, 1, 1, 0, 2, 1, 0, 0, 1, 0, 0],
       [1, 2, 1, 0, 2, 2, 2, 1, 0, 1, 2, 1, 2, 0, 2, 1],
       [2, 0, 2, 1, 2, 0, 1, 1, 2, 2, 2, 2, 1, 0, 2, 1],
       [0, 1, 0, 0, 2, 0, 1, 0, 0, 0, 0, 2, 0, 2, 0, 1],
       [0, 1, 2, 1, 1, 0, 1, 2, 0, 1, 0, 0, 2, 1, 0, 2],
       [0, 0, 2, 2, 2, 2, 2, 1, 0, 0, 0, 2, 0, 0, 1, 1]])
In [41]: I,J = np.ix_(np.arange(16), np.arange(16))
In [42]: img[I,J,ids]
Out[42]: 
array([[5, 9, 9, 8, 8, 8, 5, 7, 1, 9, 9, 5, 5, 9, 6, 8],
       [6, 7, 5, 8, 5, 6, 9, 6, 7, 7, 7, 8, 3, 7, 9, 5],
       [7, 6, 8, 7, 6, 9, 6, 8, 9, 5, 8, 8, 9, 7, 9, 6],
       [8, 9, 3, 4, 7, 5, 8, 4, 4, 9, 1, 4, 9, 9, 9, 7],
       [9, 8, 9, 7, 9, 8, 7, 5, 8, 9, 9, 6, 9, 5, 8, 8],
       [7, 9, 8, 8, 9, 3, 6, 9, 8, 6, 8, 7, 7, 7, 7, 7],
       [8, 8, 5, 8, 9, 8, 8, 2, 8, 7, 8, 9, 5, 5, 6, 7],
       [9, 6, 6, 9, 5, 3, 6, 4, 7, 6, 8, 8, 6, 3, 9, 9],
       [7, 8, 9, 7, 5, 7, 5, 9, 6, 4, 7, 7, 8, 5, 7, 8],
       [9, 7, 6, 4, 8, 9, 3, 8, 9, 2, 6, 9, 6, 7, 9, 7],
       [9, 8, 6, 6, 5, 9, 3, 9, 2, 4, 9, 5, 9, 9, 6, 9],
       [8, 7, 8, 3, 8, 8, 9, 7, 9, 5, 9, 8, 6, 9, 7, 8],
       [8, 2, 7, 7, 4, 5, 9, 8, 8, 8, 6, 5, 3, 9, 9, 6],
       [6, 8, 8, 5, 8, 8, 8, 9, 3, 7, 7, 8, 5, 4, 2, 9],
       [3, 7, 9, 9, 8, 5, 9, 8, 9, 7, 3, 3, 9, 5, 5, 9],
       [8, 4, 3, 6, 4, 9, 9, 9, 9, 9, 9, 7, 9, 7, 5, 8]])

最近的numpy版本有一个函数可以帮我们完成这个操作。

np.take_along_axis(img, ids[:,:,None], 2)[:,:,0]

使用 np.put_along_axis 来设置值。