如果我有一个由3D ndarray表示的图像列表,例如[[x,y,color],...]
,我可以使用哪些操作输出值为所有值的中值的图像?我正在使用for循环,发现它太慢了。
答案 0 :(得分:5)
这是我使用NumPy的矢量化实现:
对于我的测试,我使用了这五张图片:
相关部分:
import numpy as np
import scipy.ndimage
# Load five images:
ims = [scipy.ndimage.imread(str(i + 1) + '.png', flatten=True) for i in range(5)]
# Stack the reshaped images (rows) vertically:
ims = np.vstack([im.reshape(1,im.shape[0] * im.shape[1]) for im in ims])
# Compute the median column by column and reshape to the original shape:
median = np.median(ims, axis=0).reshape(100, 100)
完整的脚本:
import numpy as np
import scipy.ndimage
import matplotlib.pyplot as plt
ims = [scipy.ndimage.imread(str(i + 1) + '.png', flatten=True) for i in range(5)]
print ims[0].shape # (100, 100)
ims = np.vstack([im.reshape(1,im.shape[0] * im.shape[1]) for im in ims])
print ims.shape # (5, 10000)
median = np.median(ims, axis=0).reshape(100, 100)
fig = plt.figure(figsize=(100./109., 100./109.), dpi=109, frameon=False)
ax = fig.add_axes([0, 0, 1, 1])
ax.axis('off')
plt.imshow(median, cmap='Greys_r')
plt.show()
五张图片的中位数(numpy.median
)结果如下:
有趣的部分:均值(numpy.mean
)结果如下所示:
好的,科学与艺术相遇。 : - )
答案 1 :(得分:2)
您说的是彩色图片,格式为3d ndarrays
列表。我们假设有n
张图片:
imgs = [img_1, ..., img_n]
其中imgs为list
,每个img_i
为ndarray
,形状为(nrows, ncols, 3)
。
将列表转换为4d ndarray,然后将中位数放在与图像对应的维度上:
import numpy as np
# Convert images to 4d ndarray, size(n, nrows, ncols, 3)
imgs = np.asarray(imgs)
# Take the median over the first dim
med = np.median(imgs, axis=0)
这给出了像素中值。每个像素的每个颜色通道的值是所有图像中相应像素/通道的中值。
asarray()
的文档说"如果输入已经是ndarray"则不执行复制。这表明如果将原始图像列表存储为4d ndarray
而不是列表,则操作会更快。在这种情况下,没有必要将信息复制到内存中(或运行asarray()
)
答案 2 :(得分:-1)