Question

我需要在灰度图像中分割出异常。在算法的某个地方，我计算一个矩阵，其中包含我需要设置为零的已知像素强度。我该怎么做？

例如：
计算出的像素强度：（数组（[94,95,96,97,98,99,100,101,102,103,104,105,106， 107,108,109,110,111,112,113,114,115,116,117,118,119， 120,121,122,123,124,125,126,127,128,129,130,131,132， 133,134,135,136,137,138,139,140,141,142,143,144,145， 146,147,148,149,150,151]），）

图片大小（480,640）：
印刷它给出：[[86 90 97 ...，142 152 157]
[85 89 97 ...，145 154 158]
[83 87 95 ...，154 158 159]
...，
[130 134 139 ...，156 154 154]
[130 134 140 ...，154 153 152]
[130 134 141 ...，154 153 152]]

我意识到每个像素我都可以通过强度矩阵。然而，这将太昂贵。 NumPy专家，我需要你的帮助！

Answer 1

简单地

oI[ (oI >93) & (oI < 152)  ] = 0

我应该认为......

根据您的问题，您希望在数组中包含特定的非连续数字。最好由map - reduce算法处理。我们假设您希望将以下数字设置为0：

numList = np.array([2, 15, 100, 56])

然后你可以像这样设置一个面具，并将它们缩小为一个面具：

mask     = (oI == 2)|(oI == 15)|(oI == 100)|(oI == 56)
oI[mask] = 0

对于一大堆数字来说，这显然不是一个好的解决方案。所以你可以......

mask = reduce( lambda m, n: m|n ,[ oI == i for i in numList]) 
oI[mask] = 0

如果连续，例如a和b之间，那么您只需使用之前的方法......

mask = (oI > a) & (oI < b)

当然，您可以在任何连续和非连续数字集合中组合掩码。只需|他们。

希望这会有所帮助......

Answer 2

要将图像数组中所有像素设置为零，其值为91到151（包括91和151），请使用：

import numpy as np
newimage = np.where(np.logical_and(91<=oldimage, oldimage<=151), 0, oldimage)

要将值属于某个数组vct的图像数组中的所有像素设置为零，请使用：

newimage = np.where(np.in1d(oldimage, vct).reshape(oldimage.shape), 0, oldimage)

实施例

假设我们有oldimage这样：

In [12]: oldimage
Out[12]: 
array([[0, 1, 2],
       [3, 4, 5]])

我们有一个名为vct的数字列表：

In [13]: vct
Out[13]: array([3, 5])

我们将oldimage中同样位于vct的所有像素设为零：

In [14]: newimage = np.where(np.in1d(oldimage, vct).reshape(oldimage.shape), 0, oldimage)

In [15]: newimage
Out[15]: 
array([[0, 1, 2],
       [0, 4, 0]])

NumPy - 使用强度值矩阵进行图像（矩阵）阈值处理。

2 个答案:

实施例