ndarray中列表的出现[重复]答案

【问题标题】：Occurrence of list in ndarray [duplicate]ndarray中列表的出现[重复]
【发布时间】：2019-11-13 21:32:12
【问题描述】：

我有一个 RGB 图像 -ndarray-，我想计算此图像中某些颜色的出现次数，例如 [255,0,0] 或 [0,0,255]。

图像数据示例

np.ones((3, 3, 3)) * 255

array([[[255., 255., 255.],
        [255., 255., 255.],
        [255., 255., 255.]],
       [[255., 255., 255.],
        [255., 255., 255.],
        [255., 255., 255.]],
       [[255., 255., 255.],
        [255., 255., 255.],
        [255., 255., 255.]]])

所以我想要这样的东西

{
'[255,255,255]' : 9,
}

【问题讨论】：

我添加了一个例子。所以一般RGB图像的尺寸是（宽，高，3）
np.unique 可用于链接的欺骗 @MatteoPeluso 作为一维数组。但是，使用 2darray 会更棘手:)

标签： python numpy image-processing numpy-ndarray

【解决方案1】：

一个解决方案可能是Counter 函数：

from collections import Counter
import numpy as np

# Generate some data
data = np.ones((10, 20, 3)) * 255

# Convert to tuple list
data_tuple = [ tuple(x) for x in data.reshape(-1,3)]
Counter(data_tuple)

Counter({(255.0, 255.0, 255.0): 200})

【讨论】：

感谢您的回答。它工作得很好，但需要很长时间

【解决方案2】：

虽然可以使用Counter 或opencv histogram function 来计算每个像素的频率，但对于特定像素，使用它更有效：

import numpy as np

ar = np.ones([3,3,3]) *255
ar[1,1,:] = [0, 0, 200]

pixels = dict()
pixels['[255, 255, 255]'] =  np.sum(np.all(ar == [255,255, 255], axis = 2))
pixels['[0, 0, 200]'] =  np.sum(np.all(ar == [0, 0, 200], axis = 2))

结果：{'[255, 255, 255]': 8, '[0, 0, 200]': 1}

【讨论】：

【解决方案3】：

这是一种使用NumPy 的方法。作为 0-255 范围内的值，我们可以将行视为具有 f8 类型的三个元素的元组，并使用 np.unique 来计算原始 ndarray 中实际行的出现次数。使用 nakor 的数组：

a = np.ones((10, 20, 3)) * 255

我们可以这样做：

vals, counts = np.unique(a.view('f8,f8,f8'), return_counts=True)

地点：

print(vals)
array([(255., 255., 255.)],
      dtype=[('f0', '<f8'), ('f1', '<f8'), ('f2', '<f8')])

print(counts)
array([200])

【讨论】：

我尝试了一张真实的图片，但我遇到了这个错误ValueError: When changing to a larger dtype, its size must be a divisor of the total size in bytes of the last axis of the array.