Python中的for循环永无止境答案

【问题标题】：Never ending for loop in PythonPython中的for循环永无止境
【发布时间】：2020-03-14 17:28:48
【问题描述】：

我有一个基本上需要两个图像的代码，大图像和小图像。小图像被缩小为一行图像，然后从大图像的每一行中减去。结果应该是具有不同值的新大图像。

两个图像都是 ndarray（超过 2 个维度）。当我在一行上运行此代码时，它可以工作，但是当我尝试使用 for 循环以便在图像中的所有行上运行它时，它永远不会停止。

图片细节： - 大图目前有 11 行 1024 列。 - 缩小的小图只有 1 行 1024 列。

这是代码：

import spectral.io.envi as envi
import matplotlib.pyplot as plt
import os
from spectral import *
import numpy as np


#Create the image path
#the path 
img_path = r'N:\path\Image_Python\13-8-2019\emptyname_2019-08-13_11-05-46\capture'

resized_path=r'N:\path\Image_Python'


#the specific file 

img_dark= 'DARKREF_emptyname_2019-08-13_11-05-46.hdr'
resized_file='resize3.hdr'

#load images
img_dark= envi.open(os.path.join(img_path,img_dark)).load()
resized= envi.open(os.path.join(resized_path,resized_file)).load()


wavelength=[float(i) for i in resized.metadata['wavelength']]

#reduce image into 1 row
dark_1024=img_dark.mean(axis=0)


#the follow command works and was compared with the image in ENVI
#resized[0] suppoose to be  row no. 0 in image resized
#so the problem is in the for loop 
resized[0]-dark_1024

#Here I have tried to run at the beginning my computation but then it took too much so I tried to run #this count in order to see how many rows it iterate through 
#I have tried this also with a== 3,000,000 and it got there
a=0
for i in resized[0,1]:
    a=a+1
    print(a)
    if a==8000:
        break

我的最终目标是能够使用 for 循环为我的 n 维图像中的每一行运行“resize-dark_1024”进程

说明：每当我跑步时：

调整大小[i]-dark_1024[i]

当 i 是一个数字时。例如 i=3, i-4...

有效

编辑 2：如果我使用 dark_1024 运行它，它有 1 行 1024 像素：

a=0
for i in dark_1024:
    a=a+1
    print(a)
    if a==8000:
        break

最多计数到 1024：

【问题讨论】：

即使if a=8000 无法正常工作它会打印8001, ...?
我怀疑 resized[0,1] 并不意味着你认为它的意思。你希望这会产生什么？
@SimonHibbs 我认为它会产生 11 的行数
@Tserenjamts 它不打印 8001 但它只是检查它是否在某个时候停止
我也尝试过：for i in resized, for i in resized[0] 但结果相同

标签： python for-loop numpy-ndarray spectral spectral-python

【解决方案1】：

使用 numpy 的广播功能可以轻松完成您的任务。例如，我将创建一个虚拟的dark 数组。

In [1]: import spectral as spy

In [2]: import numpy as np

In [3]: img = spy.open_image('92AV3C.lan').load()

In [4]: dark = np.random.rand(*img.shape[1:]).astype(img.dtype)

In [5]: print(img.shape, dark.shape)
(145, 145, 220) (145, 220)

为了能够从img 的所有行中减去dark，我们只需要为第一个维度创建一个虚拟索引，以便numpy 可以广播该操作。

In [6]: y = img - dark[None, :, :]

为了验证它是否有效，请确保y 和img 之间的差异在多行中等于dark。

In [7]: dark[:2, :2]
Out[7]: 
array([[0.38583156, 0.08694188],
       [0.79687476, 0.24988273]], dtype=float32)

In [8]: img[:2, :2, :2] - y[:2, :2, :2]
Out[8]: 
array([[[0.3857422 , 0.08691406],
        [0.796875  , 0.25      ]],

       [[0.3857422 , 0.08691406],
        [0.796875  , 0.25      ]]], dtype=float32)

【讨论】：