Question

我有一个numpy数组I，用于存储大小为N（像素数）的P张图片。每张图片的大小为P = q*q。

N = 1000 # number of images
q = 10 # length and width of image
P = q*q # pixels of image
I = np.ones((N,P)) # array with N images of size P

现在，我想删除所选索引ps周围大小为IDX的补丁（将所有值设置为零）。

ps = 2 # patch size (ps x ps)
IDX = np.random.randint(0,P,(N,1))

我的方法是使用reshape(q,q)重塑每个图像并删除IDX周围的像素。我有问题，我不知道如何计算给定IDX的图像内部的位置。另外，我必须检查索引是否不在图像之外。

如何解决这个问题，有没有办法对这个程序进行矢量化？

编辑：

在@Brenlla的帮助下，我执行了以下操作来删除补丁。我的方法的问题是，它需要三个for循环，我必须重塑每个图像两次。有没有办法提高性能？这部分显着减慢了我的代码。

import numpy as np
import matplotlib.pyplot as plt

def myplot(I):
    imgs = 10
    for i in range(imgs**2):
        plt.subplot(imgs,imgs,(i+1))
        plt.imshow(I[i].reshape(q,q), interpolation="none")
        plt.axis("off")
    plt.show()

N = 10000
q = 28
P = q*q
I = np.random.rand(N,P)

ps = 3
IDX = np.random.randint(0,P,(N,1))

for i in range(N):
    img = I[i].reshape(q,q)
    y0, x0 = np.unravel_index(IDX[i,0],(q,q))
    for x in range(ps):
        for y in range(ps):
            if (x0+x < q) and (y0+y < q):
                img[x0+x,y0+y] = 2.0
    I[i] = img.reshape(1,q*q)

myplot(I)

Answer 1

是的，可以这样做，但它涉及大量使用np.broadcasting。

生成数据以及OP_SELL

的硬拷贝

现在运行循环解决方案。我切换了import time N = 10000 q = 28 P = q*q ps = 3 I = np.random.rand(N,P) IDX = np.random.randint(0,P,(N,1)) I_copy = I.copy()和x0：

y0

约在我的机器上276毫秒。现在广播：

t0=time.clock()
for i in range(N):
    img = I[i].reshape(q,q)
    x0, y0 = np.unravel_index(IDX[i,0],(q,q))
    for x in range(ps):
        for y in range(ps):
            if (x0+x < q) and (y0+y < q):
                img[x0+x,y0+y] = 2.0
    I[i] = img.reshape(1,q*q)
print('With loop: {:.2f} ms'.format(time.clock()*1e3-t0*1e3))

大约快80倍

删除存储为数组的图像中的像素

1 个答案: