使用数组的块状滤波

Numpy filtering using array(使用数组的块状滤波)

本文介绍了使用数组的块状滤波的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!

问题描述

我知道以前有人问过这个问题,但似乎没有针对我的特定用例的任何内容。

我有一个数字数组obs,它表示彩色图像,形状为(252, 288, 3)

我要将每个不是纯黑色的像素转换为纯白色。

我尝试的是obs[obs != [0, 0, 0]] = [255, 255, 255],但出现以下异常:

ValueError: NumPy boolean array indexing assignment cannot assign 3 input values to the 807 output values where the mask is true

结果与obs[obs[:, :] != [0, 0, 0]] = [255, 255, 255]相同。另外,(obs[:, :] != [0, 0, 0]).shape(252, 288, 3),我不明白为什么它不是简单的(252, 288)(布尔矩阵)。

我考虑过使用obs[obs != 0] = 255,但那不会有我想要的效果,因为纯绿色([0, 255, 0])的像素将按组件进行处理,过滤后仍为[0, 255, 0],而不是实际为白色([255, 255, 255])。

我到现在为止尝试的东西为什么不起作用,我应该如何着手?

推荐答案

布尔索引(如obs[obs != [0, 0, 0]])返回一个一维数组,其中包含obs中满足给定条件的所有元素。 请看下面的示例:

obs = np.array([
 [[88, 0,99],
  [ 0, 0, 0]],
 [[ 0, 0, 0],
  [88,77,66]]
])

obs != [0, 0, 0]返回布尔数组:

array([[[ True, False,  True],
        [False, False, False]],
       [[False, False, False],
        [ True,  True,  True]]])

ANDobs[obs != [0, 0, 0]]然后返回包含掩码为Truearray([88, 99, 88, 77, 66])的所有元素的一维数组。

所以您需要where测试是否有any颜色分量不等于0:

np.where(obs.any(axis=-1, keepdims=True), 255, obs)

结果:

array([[[255, 255, 255],
        [  0,   0,   0]],
       [[  0,   0,   0],
        [255, 255, 255]]])
请注意,您需要keepdims=True才能启用广播到obs的原始形状。否则,您将不得不通过np.where(obs.any(-1)[...,np.newaxis], 255, obs)np.where(np.atleast_3d(obs.any(-1)), 255, obs)添加丢失的维度,这不太优雅。

这篇关于使用数组的块状滤波的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!

本文标题为:使用数组的块状滤波

基础教程推荐