如何在 python 中将多个 numpy 掩码合并为 1 个单一掩码？

Question

我有一组二维蒙版，看起来像这样：

[
  #mask0
 [[0.3,0.3],
  [0,0]],
  #mask1
  [[0.4,0],
  [0.4,0.4]]
]

而且我想一个接一个地合并掩码，其中每个掩码覆盖它之前的掩码，（我不想要所有掩码的总和）。通过覆盖，我的意思是如果第二个掩码的值不为 0，它将设置新值，否则保留以前掩码的值。所以对于这个例子，结果将是

[[0.4,0.3],
  [0.4,0.4]]]

当然，在我的例子中，我并没有只有 2 个 2x2 的面具，我有多个更大比例的面具，这只是为了演示。

蒙版代表一些灰度值的圆圈，我想将它们一个接一个地粘贴。像这样：

我如何使用 NumPy 和干净高效的代码来实现这一点？如果有不同的方法来解决这个问题，我也很想听听。

Answer 1

如果您有沿第一个轴排列的 3D 蒙版阵列，您可以沿第一个轴缩小并将蒙版与 np.where:

合并

In [2]: import functools

In [3]: functools.reduce(lambda m0, m1: np.where(m1 == 0, m0, m1), masks)
Out[3]:
array([[0.4, 0.3],
       [0.4, 0.4]])

Answer 2

如果你有多张图片并且你想在每张图片上应用，你可以像下面这样使用 apply_along_axis：

from functools import reduce

images = np.random.rand(10, 4, 64, 64) # (n,masksAmount,imgSize,imgSize)
print(images.shape)

def apply_mask(image):
    image = reduce(lambda m0, m1: np.where(m1 == 0, m0, m1), image)
    return image

images = np.apply_along_axis(apply_mask, 1, images) # (n,imgSize,imgSize)
print(images.shape)

输出：

(10, 4, 64, 64) # shape
(10, 64, 64)    # shape

例子

image = np.array([[[0.3, 0.3], [0, 0]], [[0.4, 0], [0.4, 0.4]]])
images = np.repeat(image[None,...],4,0)
print(images.shape)

images = np.apply_along_axis(apply_mask, 1, images)
print(images.shape)
print(images)

输出：

(4, 2, 2, 2) # (n,masksAmount,imgSize,imgSize)

(4, 2, 2)    # (n,imgSize,imgSize)

# images =>
[[[0.4 0.3]
  [0.4 0.4]]

 [[0.4 0.3]
  [0.4 0.4]]

 [[0.4 0.3]
  [0.4 0.4]]

 [[0.4 0.3]
  [0.4 0.4]]]

如何在 python 中将多个 numpy 掩码合并为 1 个单一掩码？

How do I merge multiple numpy masks into 1 single mask in python?

python

numpy

mask