Question

我已经将图像作为数组读取了：

import numpy as np
from scipy import misc
face1=misc.imread('face1.jpg')

face1尺寸为(288, 352, 3)

我需要迭代每个像素并在训练集中填充y列我采用了以下方法：

Y_training = np.zeros([1,1],dtype=np.uint8)

for i in range(0, face1.shape[0]): # We go over rows number 
    for j in range(0, face1.shape[1]): # we go over columns number
        if np.array_equiv(face1[i,j],[255,255,255]):
           Y_training=np.vstack(([0], Y_training))#0 if blank
        else:
           Y_training=np.vstack(([1], Y_training))

b = len(Y_training)-1
Y_training = Y_training[:b]
np.shape(Y_training)`

Wall time: 2.57 s

正如我需要对大约2000个图像执行上述过程有任何更快的方法，我们可以将运行时间减少到毫秒或naonseconds

Answer 1

您可以使用broadcasting针对白色像素执行广播比较：[255, 255, 255]和ALL使用.all(axis=-1)减少每一行，最后转换为int dtype 。这将为我们提供退出循环后的输出。

因此，一个实现将是 -

(~((face1 == [255,255,255]).all(-1).ravel())).astype(int)

或者，更紧凑的版本 -

1-(face1 == [255,255,255]).all(-1).ravel()

在python中迭代图像的所有像素的最快方法

1 个答案: