计算 MNIST 数据库灰度图像的密度答案

【问题标题】：Calculating the density of an MNIST database grayscale image计算 MNIST 数据库灰度图像的密度
【发布时间】：2021-05-23 14:08:29
【问题描述】：

使用此功能：

import numpy as np

def blockshaped(arr, nrows, ncols):
    ''' Return an array of shape (n, nrows, ncols) where
        n * nrows * ncols = arr.size

        If arr is a 2D array, the returned array should look like n subblocks with
        each subblock preserving the "physical" layout of arr.
    '''
    h, w = arr.shape
    assert h % nrows == 0, "{} rows is not evenly divisble by {}".format(h, nrows)
    assert w % ncols == 0, "{} cols is not evenly divisble by {}".format(w, ncols)
    return (arr.reshape(h//nrows, nrows, -1, ncols)
               .swapaxes(1, 2)
               .reshape(-1, nrows, ncols))

我能够将我的图像分成每块 16 像素的块。我想要做的是计算每个块中黑色像素的密度。我知道像素的值范围从 0 到 255。我想做black_density = numberof_zeros / 16，但我不确定。

【问题讨论】：

标签： python image numpy pixel

【解决方案1】：

好吧，如果你想知道黑色的密度，你只需在图像的每个块中做

np.sum(block_shaped(img, 16, 16).reshape(-1, 16*16) <= black_threshold, axis=1)

如果您不确定阈值，您可以尝试Otsu 方法，无论是按块还是按整个图像，这取决于您真正想要的。

【讨论】：