python - NumPy 数组的阈值像素索引

Question

我确定这个问题可以用 Google 搜索，但我不知道要使用什么关键字。我对一个具体案例很好奇，但也对一般情况下如何做感到好奇。假设我有一个 RGB 图像作为形状数组 (width, height, 3) 我想找到红色 channel 大于 100 的所有像素。我觉得 image > [100, 0, 0] 应该给我一个索引数组(如果我正在比较标量并使用灰度图像，则会给我)，但这会将每个元素与列表进行比较。如何比较前两个维度，其中每个“元素”是最后一个维度？

Answer 1

要仅检测红色 channel ，您可以这样做 -

np.argwhere(image[:,:,0] > threshold)

解释:

1. 将 red-channel 与 threshold 进行比较，得到一个与没有第三轴(颜色 channel )的输入图像形状相同的 bool 数组。
2. 使用np.argwhere获取成功匹配的索引。

如果您想查看任何 channel 是否高于某个阈值，请使用 .any(-1) (沿最后一个轴/颜色 channel 满足条件的任何元素)。

np.argwhere((image > threshold).any(-1))

样本运行

输入图片:

In [76]: image
Out[76]: 
array([[[118,  94, 109],
        [ 36, 122,   6],
        [ 85,  91,  58],
        [ 30,   2,  23]],

       [[ 32,  47,  50],
        [  1, 105, 141],
        [ 91, 120,  58],
        [129, 127, 111]]], dtype=uint8)

In [77]: threshold
Out[77]: 100

案例 #1:仅红色 channel

In [69]: np.argwhere(image[:,:,0] > threshold)
Out[69]: 
array([[0, 0],
       [1, 3]])

In [70]: image[0,0]
Out[70]: array([118,  94, 109], dtype=uint8)

In [71]: image[1,3]
Out[71]: array([129, 127, 111], dtype=uint8)

案例 #2:任意 channel

In [72]: np.argwhere((image > threshold).any(-1))
Out[72]: 
array([[0, 0],
       [0, 1],
       [1, 1],
       [1, 2],
       [1, 3]])

In [73]: image[0,1]
Out[73]: array([ 36, 122,   6], dtype=uint8)

In [74]: image[1,1]
Out[74]: array([  1, 105, 141], dtype=uint8)

In [75]: image[1,2]
Out[75]: array([ 91, 120,  58], dtype=uint8)

---

比np.any 更快的替代方案在 np.einsum

np.einsum 可能被欺骗 来执行np.any 的工作，而且事实证明速度稍快。

因此，boolean_arr.any(-1) 将等同于 np.einsum('ijk->ij',boolean_arr)。

以下是各种数据大小的相关运行时 -

In [105]: image = np.random.randint(0,255,(30,30,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
10000 loops, best of 3: 79.2 µs per loop
10000 loops, best of 3: 56.5 µs per loop
True

In [106]: image = np.random.randint(0,255,(300,300,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
100 loops, best of 3: 5.47 ms per loop
100 loops, best of 3: 3.69 ms per loop
True

In [107]: image = np.random.randint(0,255,(3000,3000,3)).astype('uint8')
     ...: %timeit np.argwhere((image > threshold).any(-1))
     ...: %timeit np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: out1 = np.argwhere((image > threshold).any(-1))
     ...: out2 = np.argwhere(np.einsum('ijk->ij',image>threshold))
     ...: print np.allclose(out1,out2)
     ...: 
1 loops, best of 3: 833 ms per loop
1 loops, best of 3: 640 ms per loop
True