我正在尝试将4频段（RGB＆amp; nr红外线）光栅图像转换为ArcMap中的numPy数组。一旦成功转换为numpy数组，我想计算图像上没有数据的像素数。在ArcMap中检查时，这些像素的颜色标记为“无”，它们显示为黑色，但它们缺少来自1,2或3的红色，绿色和/或蓝色通道数据。我需要找到它们。< / p>
这是我到目前为止所拥有的：
import numpy
import os
myDir = "C:\\Temp\\temp"
# myFile = "4_pixel_test.tif"
myFile = "4band.tif"
# import 4band (R,G,B & nr Infrared) image
fName = os.path.join(myDir, myFile)
head, tail = os.path.split(fName)
# Convert Raster to Array, Default using LowerLeft as Origin
rasArray = arcpy.RasterToNumPyArray(fName)
# find out the number of bands in the image
nbands = rasArray.shape[0] # int
# print nbands (int)
blackCount = 0 # count the black pixels per image
th = 0 # Threhold value
# print rasArray
r, g, b, a = rasArray # not working
rCheck = numpy.any(r <= th)
gCheck = numpy.any(g <= th)
bCheck = numpy.any(b <= th)
aCheck = numpy.any(a == 0)
print rCheck
print gCheck
print bCheck
print aCheck
# show the results
if rCheck:
print ("Black pixel (red): %s" % (tail))
elif gCheck:
print ("Black pixel (green): %s" % (tail))
elif bCheck:
print ("Black pixel (blue): %s" % (tail))
else:
print ("%s okay" % (tail))
if aCheck:
print ("Transparent pixel: %s" % (tail))
运行时错误 Traceback（最近一次调用最后一次）： 文件“”，第14行，in 在RasterToNumPyArray中输入文件“c：\ program files（x86）\ arcgis \ desktop10.2 \ arcpy \ arcpy__init __。py”，第1814行 return _RasterToNumPyArray（* args，** kwargs） RuntimeError：ERROR 999998：意外错误。
# previous code which might have incorrect numpy import
# options so I'm going with default options until I know better
# import numpy
# import os
#
# myDir = "C:\\Temp\\temp"
# myFile = "4_pixel_test.tif"
# fName = os.path.join(myDir, myFile)
#
# Convert Raster to Array
# rasArray = arcpy.RasterToNumPyArray(fName)
# maxVal = rasArray.max()
# minVal = rasArray.min()
# maxValpos = numpy.unravel_index(rasArray.argmax(),rasArray.shape)
# minValpos = numpy.unravel_index(rasArray.argmin(),rasArray.shape)
#
# desc = arcpy.Describe(fName)
# utmX = desc.extent.upperLeft.X + maxValpos[0]
# utmY = desc.extent.upperLeft.Y - maxValpos[1]
#
# for pixel in numpy.nditer(rasArray):
# # r,g,b = pixel # doesn't work - single dimension array
# print pixel
#
我能够从代码here将光栅图像更改为numPY数组。
不确定numPY数组是如何存储的，但是当迭代它时，数据从y轴开始打印出来并逐行（逐列）处理图像而不是x（逐行）。
我需要切换它，以便我可以从左上角到右下角逐像素地读取数据（RGBA）。但是，我对numPy知之甚少。
我认为有问题的错误可能是由于有问题的tiff的大小：它可以正常工作2.5MB但是超过4GB。 ：（
答案 0 :(得分：5)
您似乎在询问np.nditer。
除非您需要低级控制，否则您不想使用nditer。但是，您几乎从不需要这种级别的控制。除非您确切知道为什么需要它，否则最好不要使用nditer。
你拥有的是3D numpy阵列。您目前正在迭代数组中的每个元素。相反，您只想迭代数组的前两个维度（宽度和高度）。
作为一个快速示例，重现您在没有ArcMap的情况下所看到的内容：
import numpy as np
data = np.random.random((3, 10, 10))
for value in np.nditer(data):
print value
（快速说明：我在arcpy使用了nbands x nrows x ncolumns的形状约定。{{1}也很常见在这种情况下，后面部分中的索引表达式将是不同的）
同样，nrows x ncolumns x nbands不是你想要的，所以如果你确实想要这样做（数组中的每个值而不是每个r，g，b像素），那么它的可读性会更高：
nditer在这种情况下，两者是相同的。
继续前进，你想要迭代每个像素。在这种情况下，您可以执行以下操作：
import numpy as np
data = np.random.random((3, 10, 10))
for value in data.flat:
print value
在这种情况下，我们暂时将10x10x3阵列视为100x3阵列。因为numpy数组默认迭代第一个轴，所以这将迭代每个r，g，b元素。
如果您愿意，也可以直接使用索引，但速度会慢一些：
import numpy as np
data = np.random.random((3, 10, 10))
for pixel in data.reshape(3, -1).T:
r, g, b = pixel
print r, g, b
import numpy as np
data = np.random.random((3, 10, 10))
for i, j in np.ndindex(data.shape[:-2]):
r, g, b = data[:, i, j]
print r, g, b
数组一般情况下，像这样迭代遍历数组元素不是使用numpy的有效方法。
您提到您正在尝试检测何时消除了频段和/或设置为常数值。
您可能有三种意思：1）只有一个频段，2）某些频段的数据已设置为0（或其他值），3）图像为灰度，但存储为RGB。
您可以通过查看numpy数组来检查波段数：
numpy或直接使用nbands = data.shape[0]
：
arcpy处理第一种情况，然而，看起来你正试图检测乐队何时没有信息，而不是他们是否在那里。
如果你总是期望至少有红色，绿色和蓝色（有时是alpha，有时不是），那么最简单的解开乐队有点类似于：
nbands = raster.bandCount
这样，如果有一个alpha乐队，我们就会忽略它，如果它不存在，那就无所谓了。同样，这假设您的数据形状是nbands x nrows x ncolumns（而不是nrows x ncolumns x nbands）。
接下来，如果我们想检查一个频段中的所有像素值是否为零，请不要迭代。而是使用numpy布尔比较。他们将多（> 100x）更快：
r, g, b = data[:3, :, :]
但是，我猜你最常想要检测的是灰度图像，它已经存储为RGB。在这种情况下，每个像素的红色，绿色，蓝色值将相等，但像素不会相同。您可以通过执行以下操作来检查：
r, g, b = data[:3, :, :]
print np.all(r == 0) # Are all red values zero?
通常，您实际上不希望迭代numpy数组中的每个像素。改为使用矢量化表达式。
答案 1 :(得分：0)
假设您已经知道图像大小（n x m），并且您的1d numpy数组是A，这将有效。
img2D = np.reshape(A, (m,n)).T
示例：假设您的图像数组是
img2D = array([[1, 2],
[3, 4],
[5, 6]])
但你得到了 A =数组（[1,3,5,2,4,6]） 您想要的输出是
img2D = np.reshape(A, (2, 3)).T