Question

我需要读取图像，然后对每个像素执行一个功能，然后将其另存为新图像。我使用scikit-image作为第一部分和最后一部分（阅读和写作），但我很难快速完成第二次操作（实际转换）。

scikit-image中的读取操作的结果是形状（WIDTH，HEIGHT，N_CHANNELS）的numpy数组，其中WIDTH和HEIGHT是图像，N_CHANNELS是3或4.我需要应用这样的函数将像素从[R，G，B]转换为[R - B，G - B，B - R]的像素分别为每个像素。

我花了几天时间试图让这个工作，但到目前为止我唯一可行的解决方案是遍历每一行和每一行并执行计算。这需要很长时间才能完成。

我试图对数组进行矢量化，但结果是一维数组，并且不可能使用它。有没有其他高效的方法来完成这项工作？

def calculate_ndvi(nir, red):
    if red == 0 and nir == 0:
        return 0.5
    else:
        num = int(nir) - int(red)
        den = int(nir) + int(red)
        return num / den


zero_uint = numpy.uint8(0)


def process_color(clr):
    ndvi = calculate_ndvi(clr[2], clr[0])
    return [-ndvi, ndvi, zero_uint]


def save_ndvi_file():
    image = io.imread(input_path)

    rows = image.shape[0]
    cols = image.shape[1]

    out = numpy.empty(shape=(rows, cols, 3))
    for i in range(rows):
        for j in range(cols):
            out[i][j] = process_color(image[i][j])

    io.imsave('output.jpg', out)

Answer 1

您可以使用多维广播操作来对此进行矢量化。以下是您的函数版本，它以矢量化方式执行所有操作：

def save_ndvi_file():
    image = io.imread(input_path)

    nir = image[:, :, 2]
    red = image[:, :, 0]
    ndvi = (nir - red) / (nir + red)
    ndvi[(nir == 0) & (red == 0)] = 0.5
    out = ndvi[:, :, np.newaxis] * np.array([[[-1, 1, 0]]])

    io.imsave('output.jpg', out)

请注意，您已经循环的所有内容现在都是通过广播的numpy操作完成的，而不是通过循环外部函数调用。以这种方式编写代码需要稍微不同的思考算法的方式，但是一旦习惯了它就会非常直观。

scikit-image逐像素操作

1 个答案: