Question

我正在通过numpy处理图像。我想将图像的一大块设置为其平均颜色。我能够这样做，但是当我想使用原始视图执行此操作时，我必须重新索引数组。换句话说，我想使用第4行代码，但我仍然坚持使用第3行代码。

我已经阅读了一些关于as_strided函数的帖子，但它让我感到困惑，我希望可能有一个更简单的解决方案。那么有没有办法稍微修改最后一行代码来做我想要的？

box = im[x-dx:x+dx, y-dy:y+dy, :]
avg = block(box) #returns a 1D numpy array with 3 values
im[x-dx:x+dx, y-dy:y+dy, :] = avg[None,None,:] #sets box to average color
#box = avg[None,None,:] #does not affect original array

Answer 1

box = blah

只需重新分配box变量。 box变量先前引用的数组不受影响。这不是你想要的。

box[:] = blah

是切片分配。它修改了数组的内容。这就是你想要的。

请注意，切片分配取决于语句的语法形式。由box分配box = im[stuff]的事实不会进一步分配box切片分配。这与你如何做的相似

l = [1, 2, 3]
b = l[2]
b = 0

b的作业不会影响l。

Answer 2

灰度图像

这会将数组的一大块设置为其平均值（平均值）：

im[2:4, 2:4] = im[2:4, 2:4].mean()

例如：

In [9]: im
Out[9]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

In [10]: im[2:4, 2:4] = im[2:4, 2:4].mean()

In [11]: im
Out[11]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 12, 12],
       [12, 13, 12, 12]])

彩色图像

假设我们想要分别对每种颜色成分进行平均分析：

In [22]: im = np.arange(48).reshape((4,4,3))

In [23]: im
Out[23]: 
array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11]],

       [[12, 13, 14],
        [15, 16, 17],
        [18, 19, 20],
        [21, 22, 23]],

       [[24, 25, 26],
        [27, 28, 29],
        [30, 31, 32],
        [33, 34, 35]],

       [[36, 37, 38],
        [39, 40, 41],
        [42, 43, 44],
        [45, 46, 47]]])

In [24]: im[2:4, 2:4, :] = im[2:4, 2:4, :].mean(axis=0).mean(axis=0)[np.newaxis, np.newaxis, :]

In [25]: im
Out[25]: 
array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11]],

       [[12, 13, 14],
        [15, 16, 17],
        [18, 19, 20],
        [21, 22, 23]],

       [[24, 25, 26],
        [27, 28, 29],
        [37, 38, 39],
        [37, 38, 39]],

       [[36, 37, 38],
        [39, 40, 41],
        [37, 38, 39],
        [37, 38, 39]]])

广播到Numpy数组的视图

2 个答案:

灰度图像

彩色图像