Question

我有一个RGB图像-ndarray-，我想计算该图像中[255,0,0]或[0,0,255]等某些颜色的出现。

图像数据示例

np.ones((3, 3, 3)) * 255

array([[[255., 255., 255.],
        [255., 255., 255.],
        [255., 255., 255.]],
       [[255., 255., 255.],
        [255., 255., 255.],
        [255., 255., 255.]],
       [[255., 255., 255.],
        [255., 255., 255.],
        [255., 255., 255.]]])

因此，我想要这样的东西

{
'[255,255,255]' : 9,
}

Answer 1

一种解决方案可以是Counter函数：

from collections import Counter
import numpy as np

# Generate some data
data = np.ones((10, 20, 3)) * 255

# Convert to tuple list
data_tuple = [ tuple(x) for x in data.reshape(-1,3)]
Counter(data_tuple)

返回：

Counter({(255.0, 255.0, 255.0): 200})

Answer 2

尽管可以使用Counter或opencv histogram function计算每个像素的频率，但对于特定像素，使用此像素更有效：

import numpy as np

ar = np.ones([3,3,3]) *255
ar[1,1,:] = [0, 0, 200]

pixels = dict()
pixels['[255, 255, 255]'] =  np.sum(np.all(ar == [255,255, 255], axis = 2))
pixels['[0, 0, 200]'] =  np.sum(np.all(ar == [0, 0, 200], axis = 2))

结果：{'[255, 255, 255]': 8, '[0, 0, 200]': 1}

Answer 3

这是使用NumPy的方法。作为介于0-255范围内的值，我们可以将行视为具有三个f8类型的元素的元组，并使用np.unique来计算原始ndarray中实际行的出现次数。使用nakor的数组：

a = np.ones((10, 20, 3)) * 255

然后我们可以这样做：

vals, counts = np.unique(a.view('f8,f8,f8'), return_counts=True)

位置：

print(vals)
array([(255., 255., 255.)],
      dtype=[('f0', '<f8'), ('f1', '<f8'), ('f2', '<f8')])

print(counts)
array([200])

ndarray中列表的出现

3 个答案: