如何将多维查找 table 应用于彩色图像？

Question

为了简单起见，我们假设图像有两行四列，像素颜色由强度级别的三元组表示（强度被量化为五个不同的整数值）。我想通过使用每个像素的强度级别作为索引，通过 3D 查找 table 将此类彩色图像转换为单通道图像。这个玩具示例可以按如下方式实现：

import numpy as np
levels = 5
rows, columns, channels = 2, 4, 3

lut = np.arange(levels**channels).reshape([levels for n in range(channels)])
np.random.seed(0)
img = np.random.randint(low=0, high=levels, size=(rows, columns, channels))

我知道我可以像这样硬编码索引：

red = img[:, :, 0]
green = img[:, :, 1]
blue = img[:, :, 2]
indexed = lut[red, green, blue]

上面的代码可以推广到多光谱图像：

indexed = lut[[img[:, :, i] for i in range(channels)]]

两种方法产生相同的结果：

In [931]: indexed
Out[931]: 
array([[103,  91,  89,   4],
       [ 55,  30,  48,  15]])

我的问题：是否有更优雅的方法来获得相同的结果？更具体地说，我正在寻找一个 NumPy 函数，它将彩色图像（3D 数组）拆分为其彩色通道列表（2D 数组）。或者，我认为可以使用 lut 作为颜色图通过 matplotlib 执行转换。

Answer 1

这是：

red, green, blue = img.transpose()

lut[red, green, blue].transpose()

你在找什么？

重新排列通道解包所需的轴所需的 img.transpose()。

对于任意数量的频道：

lut[tuple(img.transpose())].transpose()

如何将多维查找 table 应用于彩色图像？

How to apply a multidimensional look up table to a color image?

python

numpy

image-processing

matplotlib

lookup-tables