Question

我尝试对图像执行PCA，然后输出基于其在PCA中落入的群集的彩色像素的图像。我正在做无监督的PCA。最终目标可见于此链接：Forward PC rotation

我目前正在使用pandas库（如果人们还有其他更优雅的解决方案，我很耳熟），并且愿意进行图像处理。

我正在尝试加载b，g，r波段作为我的列，索引是一个像素，该像素给出一个表，其中包含图像中所有像素的行（每个列都有一个色带列）。

当填充数据时，我最终在图像中拥有300万+像素，并且填充了它，但是每个像素大约需要5秒钟才能完成填充，因此无法确定我是否正确执行了操作。有没有更好的办法？另外，如果人们了解如何将PCA与图像配合使用，我将不胜感激。

代码：

import pandas as pd 
import numpy as np 
import random as rd
from sklearn.decomposition import PCA
from sklearn import preprocessing
import matplotlib.pyplot as plt
import cv2 

#read in image
img = cv2.imread('/Volumes/EXTERNAL/Stitched-Photos-for-Chris/p7_0015_20161005-949am-75m-pass-1.jpg.png',1)
row,col = img.shape[:2]
print(row , col)

#get a unique pixel ID for each pixel

pixel = ['pixel-' + str(i) for i in range(0,row*col)]
bBand = ['bBand']
gBand = ['gBand']
rBand = ['rBand']
data = pd.DataFrame(columns=[bBand,gBand,rBand],index = pixel)

#populate data for each band
b,g,r = cv2.split(img)

#each index value
indexCount = row*col
for index in range(indexCount):
    i = int(index/row)
    j = index%row
    data.loc[pixel,'bBand'] = b[i,j]
    data.loc[pixel,'gBand'] = g[i,j]
    data.loc[pixel,'rBand'] = r[i,j]

print(data.head())

Answer 1

是的，在那里的for循环可能需要很长时间。

使用np.ravel（用于1D视图）或np.flatten（用于1D副本）或np.flat（用于1D迭代器）将2d数组转换为序列。

此外，创建编码为x y的字符串索引也可能很昂贵。我要么将行号用作索引，然后将x,y计算为row_num/row, row_num%col，要么使用x，y的多重索引，具体取决于您在计算中使用x，y的频率。

在熊猫库中转换Image数组以用于PCA

1 个答案: