NumPy

Question

我需要在灰度图像中分割出异常。在我的算法的某个地方，我计算了一个矩阵，其中包含我需要设置为零的已知像素强度。我该怎么做？

例如：
计算出的像素强度： (数组([ 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 145, 146, 147, 148, 149, 150, 151]),)

图片大小为(480,640) :
打印它给出：
[[ 86 90 97 ..., 142 152 157]
[ 85 89 97 ..., 145 154 158]
[ 83 87 95 ..., 154 158 159]
...,
[130 134 139 ..., 156 154 154]
[130 134 140 ..., 154 153 152]
[130 134 141 ..., 154 153 152]]

我意识到对于每个像素我都可以通过强度矩阵。然而，这太昂贵了。 NumPy 专家我需要你的帮助！

Answer 1

要将图像数组中值为 91 到 151（含）的所有像素设置为零，请使用：

import numpy as np
newimage = np.where(np.logical_and(91<=oldimage, oldimage<=151), 0, oldimage)

要将图像数组中其值属于某个数组 vct 的所有像素设置为零，请使用：

newimage = np.where(np.in1d(oldimage, vct).reshape(oldimage.shape), 0, oldimage)

例子

假设我们有这样一个 oldimage：

In [12]: oldimage
Out[12]: 
array([[0, 1, 2],
       [3, 4, 5]])

我们有一个名为 vct:

的数字列表

In [13]: vct
Out[13]: array([3, 5])

让我们将 oldimage 中也在 vct 中的所有像素设置为零：

In [14]: newimage = np.where(np.in1d(oldimage, vct).reshape(oldimage.shape), 0, oldimage)

In [15]: newimage
Out[15]: 
array([[0, 1, 2],
       [0, 4, 0]])

Answer 2

简单

oI[ (oI >93) & (oI < 152)  ] = 0

我觉得应该...

根据您的问题，您希望数组中包含特定的 非连续 数字。这最好由 map-reduce 算法处理。假设您希望将以下数字设置为 0：

numList = np.array([2, 15, 100, 56])

然后你可以像这样设置一个掩码，并将它们减少到一个掩码：

mask     = (oI == 2)|(oI == 15)|(oI == 100)|(oI == 56)
oI[mask] = 0

对于大量数字列表，这显然不是一个好的解决方案。所以你可以做...

mask = reduce( lambda m, n: m|n ,[ oI == i for i in numList]) 
oI[mask] = 0

如果它是连续的，比如在a和b之间，那么您只需使用较早的方法...

mask = (oI > a) & (oI < b)

当然，您可以在任何一组连续和 非连续 组数字中组合掩码。只有 | 他们。

希望这对您有所帮助...

NumPy - 使用强度值矩阵的图像（矩阵）阈值处理。

NumPy - Image (matrix) thresholding using an intensity value matrix.

python

opencv

image-processing

matrix

例子