Question

我有一个RGB图像，表示为一个大小（500,500,3）的numpy数组。我还有一个大小（500,500）的数组，其中每个像素的整数值介于0和99之间。这基本上将图像划分为许多子区域。属于子数组的像素共享相同的整数索引。

我有兴趣做一些计算，比如计算每个子集的均值和标准差。我可以通过如下循环覆盖图像来做到这一点（例如计算平均值）：

# image is of size (500, 500, 3) ->RGB values
# label is of size (500, 500) -> contains integers        
import numpy as np

mean = np.zeros((100, 3))
for i in range(0, 100):
    count = 0
    for x in range(0,500):
        for y in range(0,500):
            if label[x, y] == i:
                mean[i, :] += image[x, y,:]
                count = count + 1

    # Compute the mean
    if count > 0:
        mean[i,:] /= count

我这样做的方式包括很多循环，它似乎是非pythonic的，我想知道是否有更好的（速度感）方法来做到这一点。

Answer 1

使用逻辑索引和掩码：

image[label==i,:].mean(0)

Answer 2

你可以使它变得更多＆＃39; pythonic＆＃39;，但是就循环而言，你可以通过使用坐标从label检索实际的当前整数值来丢失第一个循环：{ {1}}而不是循环所有可能的值。

python：计算图像子集的统计数据

2 个答案: