如何使用 numpy 数组切片来屏蔽图像灰度

Question

我需要替换图像（最终图像）的 8 位值（0 到 255）索引集，跟随从另一图像（第二图像）灰度中选择相关地图索引的 "map values"主图像。

事实上，这与 MATLAB 所做的类似

 indexS =  find(image1 == integer ('could be a integer from 1 to 255')) 
 imagfinal(indexS) = imagsecondary(indexS).

我在堆栈上尝试了 python/matlab find() 的以下示例，例如：MATLAB-style find() function in Python。以及相关的...

我尝试了n.nonzero、np.argwhere和np.where，但我真的很困惑。

我有三个源图像，比如说 A、B、C，形状相同，例如。 (100x100) 具有不同的 0 到 255 值，我的意思是它们完全是彼此不同的灰度。

所以，第一步 - 我需要从 A 获取所有值为 1 的索引（但可以是 , 10, 196 , 最多 255），所以我做了：

Aboolean = np.equal(A,1)

结果是

       [False, False, False, ..., False, False, False],
       [False, False, False, ..., False, False, False],...

然后我尝试使用那些布尔索引数组结果从 B:

获取值

Bnew = B[Aboolean]

但它对进一步的步骤不起作用，因为结果是一个值映射并且索引丢失了...

Bnew 的值应该替换 C 图像上的相应值 8 位，我的意思是那些 8 位值到相同的位置（或相同的索引），记住 B 和 C（也是 A）有同样的 shape/size 数组 (100x100).

所以我又试了一次：


D = np.where(Aboolean,B,C)

画图的时候，最后的结果就是同一张图C！！完全没有修改。


fig, ax = plt.subplots(nrows=1, figsize=(16,20))
ax.imshow(D, cmap='gray',interpolation='nearest')

结果相同的图像'C'

我的目标是在 C 上替换 B 中的一组值（由相同的索引位置决定），这些值是根据 A 上的条件索引图进行切片的。

Answer 1

您可以通过使用 A 的布尔索引直接将值从 C 复制到 B（如果您不想修改原始 B，请先使用 B.copy() 创建一个副本）。

>>> import numpy as np
>>> A = np.array([0,0,1,0,0])
>>> B = np.array([1,2,3,4,5])
>>> C = np.array([10,9,8,7,6])
>>> B[A==1] = C[A==1]

>>> B
array([1, 2, 8, 4, 5])

编辑：

C[A==1] = B[A==1]

如何使用 numpy 数组切片来屏蔽图像灰度

How to mask an image gray scale using numpy array slicing

python

numpy

image-processing

array-broadcasting

numpy-slicing