Question

我确定这个问题是Googleable，但我不知道要使用哪些关键字。我对一个特定的案例感到好奇，但也对如何做到这一点感到好奇。假设我有一个RGB图像作为形状(width, height, 3)的数组，我想找到红色通道大于100的所有像素。我觉得image > [100, 0, 0]应该给我一个索引数组（如果我正在比较标量和使用灰度图像，但是这会将每个元素与列表进行比较。我如何比较每个＆＃34;元素＆＃34;的前两个维度？是最后一个维度？

Answer 1

要仅检测红色通道，您可以执行以下操作 -

np.argwhere(image[:,:,0] > threshold)

说明：

将red-channel与threshold进行比较，为我们提供一个与没有第三轴（颜色通道）的输入图像形状相同的布尔数组。
使用np.argwhere获取成功匹配的索引。

如果您想查看是否有任何通道高于某个阈值，请使用.any(-1)（任何满足最后一个轴/颜色通道条件的元素）。

np.argwhere((image > threshold).any(-1))

示例运行

输入图片：

In [76]: image
Out[76]: 
array([[[118,  94, 109],
        [ 36, 122,   6],
        [ 85,  91,  58],
        [ 30,   2,  23]],

       [[ 32,  47,  50],
        [  1, 105, 141],
        [ 91, 120,  58],
        [129, 127, 111]]], dtype=uint8)

In [77]: threshold
Out[77]: 100

案例＃1：仅限红色通道

In [69]: np.argwhere(image[:,:,0] > threshold)
Out[69]: 
array([[0, 0],
       [1, 3]])

In [70]: image[0,0]
Out[70]: array([118,  94, 109], dtype=uint8)

In [71]: image[1,3]
Out[71]: array([129, 127, 111], dtype=uint8)

案例＃2：任意频道

In [72]: np.argwhere((image > threshold).any(-1))
Out[72]: 
array([[0, 0],
       [0, 1],
       [1, 1],
       [1, 2],
       [1, 3]])

In [73]: image[0,1]
Out[73]: array([ 36, 122,   6], dtype=uint8)

In [74]: image[1,1]
Out[74]: array([  1, 105, 141], dtype=uint8)

In [75]: image[1,2]
Out[75]: array([ 91, 120,  58], dtype=uint8)

`np.any`

np.einsum

np.einsum可能会被欺骗以执行np.any的工作，因为事实证明它有点快。

因此， boolean_arr.any(-1) 等同于 np.einsum('ijk->ij',boolean_arr) 。

以下是各种数据集的相关运行时 -

In [105]: image = np.random.randint(0,255,(30,30,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
10000 loops, best of 3: 79.2 µs per loop
10000 loops, best of 3: 56.5 µs per loop
True

In [106]: image = np.random.randint(0,255,(300,300,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
100 loops, best of 3: 5.47 ms per loop
100 loops, best of 3: 3.69 ms per loop
True

In [107]: image = np.random.randint(0,255,(3000,3000,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
1 loops, best of 3: 833 ms per loop
1 loops, best of 3: 640 ms per loop
True

NumPy数组的阈值像素索引

1 个答案:

`np.any`