Python索引错误: Out of bounds

Question

我创建了一个类，向其中传递图像(2D 数组，1280x720)。它应该迭代，寻找最高值:

import bumpy as np

class myCv:
    def maxIntLoc(self,image):
        intensity = image[0,0]  #columns, rows
        coordinates = (0,0)
        for y in xrange(0,len(image)):
            for x in xrange(0,len(image[0])):
                if np.all(image[x,y] > intensity):
                    intensity = image[x,y]
                    coordinates = (x,y)
        return (intensity,coordinates)

但是当我运行它时，我收到错误:

if np.all(image[x,y] > intensity):
IndexError: index 720 is out of bounds for axis 0 with size 720

任何帮助都会很棒，因为我是 Python 新手。

谢谢， 肖恩

Answer 1

无论您遇到的索引错误如何(其他人已解决该错误)，迭代像素/体素都不是操作图像的有效方法。这个问题在多维图像中变得尤其明显，您面临 curse of dimensionality 。

正确的方法是在支持向量化的编程语言(例如 Python、Julia、MATLAB)中使用向量化。通过这种方法，您将更有效地(并且速度快数千倍)获得您正在寻找的结果。 Click here了解有关矢量化(又名数组编程)的更多信息。在Python中，这可以使用生成器来实现，生成器不适合图像，因为它们在调用之前不会真正产生结果；或使用 NumPy 数组。

这是一个例子:

通过矢量化屏蔽图像矩阵

from numpy.random import randint
from matplotlib.pyplot import figure, imshow, title, grid, show

def mask_img(img, thresh, replacement):
    # Copy of the image for masking. Use of |.copy()| is essential to 
    # prevent memory mapping.
    masked = initial_image.copy()

    # Replacement is the value to replace anything that 
    # (in this case) is bellow the threshold. 
    masked[initial_image<thresh] = replacement  # Mask using vectorisation methods.

    return masked

# Initial image to be masked (arbitrary example here).
# In this example, we assign a 100 x 100 matrix of random integers 
# between 1 and 256 as our sample image. 
initial_image = randint(0, 256, [100, 100])  
threshold = 150  # Threshold

# Masking process.
masked_image = mask_img(initial_image, threshold, 0)

# Plots.
fig = figure(figsize=[16,9])

fig.add_subplot(121)
imshow(initial_image, interpolation='None', cmap='gray')
title('Initial image')
grid('off')

fig.add_subplot(122)
imshow(masked_image, interpolation='None', cmap='gray')
title('Masked image')
grid('off')

show()

返回结果:

当然，您可以将 mask 过程(函数)放入循环中以对一批图像执行此操作。您也可以修改索引并在 3D、4D(例如 MRI)或 5D(例如 CAT 扫描)图像上执行此操作，而无需迭代每个单独的像素或体素。

希望这有帮助。