Numpy 直方图 - Python

Question

我有一个问题，其中有一堆图像，我必须为其生成直方图。但我必须为每个像素生成一个直方图。即，对于 n 个图像的集合，我必须计算像素 0,0 假定的值并生成直方图，对于 0,1、0,2 等也是如此。我编写了以下方法来做到这一点：

class ImageData:
    def generate_pixel_histogram(self, images, bins):
    """
    Generate a histogram of the image for each pixel, counting
    the values assumed for each pixel in a specified bins
    """
        max_value = 0.0
        min_value = 0.0
        for i in range(len(images)):
            image = images[i]
            max_entry = max(max(p[1:]) for p in image.data)
            min_entry = min(min(p[1:]) for p in image.data)
            if max_entry > max_value:
                max_value = max_entry
            if min_entry < min_value:
                min_value = min_entry

        interval_size = (math.fabs(min_value) + math.fabs(max_value))/bins

        for x in range(self.width):
            for y in range(self.height):
                pixel_histogram = {}
                for i in range(bins+1):
                    key = round(min_value+(i*interval_size), 2)
                    pixel_histogram[key] = 0.0
                for i in range(len(images)):
                    image = images[i]
                    value = round(Utils.get_bin(image.data[x][y], interval_size), 2)
                    pixel_histogram[value] += 1.0/len(images)
                self.data[x][y] = pixel_histogram    

矩阵的每个位置存储一个表示直方图的字典。但是，我如何为每个像素执行此操作，并且此演算需要相当长的时间，在我看来，这似乎是一个可以并行化的好问题。但我没有这方面的经验，也不知道该怎么做。

编辑：

我尝试了@Eelco Hoogendoorn 告诉我的方法，效果很好。但是将它应用到我的代码中，其中数据是使用此构造函数生成的大量图像（在计算值之后不再只是 0），我只是得到了一个零数组 [0 0 0]。我传递给 histogram 方法的是一个 ImageData 数组。

class ImageData(object):

    def __init__(self, width=5, height=5, range_min=-1, range_max=1):
        """
        The ImageData constructor
        """
        self.width = width
        self.height = height
        #The values range each pixel can assume
        self.range_min = range_min
        self.range_max = range_max
        self.data = np.arange(width*height).reshape(height, width)

#Another class, just the method here
def generate_pixel_histogram(realizations, bins):
    """
    Generate a histogram of the image for each pixel, counting
    the values assumed for each pixel in a specified bins
    """
    data = np.array([image.data for image in realizations])
    min_max_range = data.min(), data.max()+1

    bin_boundaries = np.empty(bins+1)

    # Function to wrap np.histogram, passing on only the first return value
    def hist(pixel):
        h, b = np.histogram(pixel, bins=bins, range=min_max_range)
        bin_boundaries[:] = b
        return h

    # Apply this for each pixel
    hist_data = np.apply_along_axis(hist, 0, data)
    print hist_data
    print bin_boundaries

现在我明白了：

  hist_data = np.apply_along_axis(hist, 0, data)
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/numpy/lib/shape_base.py", line 104, in apply_along_axis
  outshape[axis] = len(res)
  TypeError: object of type 'NoneType' has no len()

任何帮助将不胜感激。 提前致谢。

Answer 1

正如 john 所说，最明显的解决方案是寻找可以为您执行此操作的库功能。它存在，而且它的效率将比你在这里做的要高几个数量级。

标准 numpy 有一个直方图函数可用于此目的。如果每个像素只有几个值，效率会相对低下；它会创建一个密集的直方图向量，而不是您在此处生成的稀疏向量。不过，下面的代码很有可能有效地解决您的问题。

import numpy as np
#some example data; 128 images of 4x4 pixels
voxeldata = np.random.randint(0,100, (128, 4,4))
#we need to apply the same binning range to each pixel to get sensibble output
globalminmax = voxeldata.min(), voxeldata.max()+1
#number of output bins
bins = 20
bin_boundaries = np.empty(bins+1)
#function to wrap np.histogram, passing on only the first return value
def hist(pixel):
    h, b = np.histogram(pixel, bins=bins, range=globalminmax)
    bin_boundaries[:] = b  #simply overwrite; result should be identical each time
    return h
#apply this for each pixel
histdata = np.apply_along_axis(hist, 0, voxeldata)
print bin_boundaries
print histdata[:,0,0]  #print the histogram of an arbitrary pixel

但更一般的消息 id 喜欢传达，查看您的代码示例和您正在处理的问题类型：帮自己一个忙，并学习 numpy。

Answer 2

并行化当然不会是我优化这类事情的第一站。您的主要问题是您在 Python 级别进行了大量循环。 Python 在这种事情上天生就很慢。 一种选择是学习如何编写 Cython 扩展并在 Cython 中编写直方图位。这可能需要你一段时间。 实际上，获取像素值的直方图是计算机视觉中非常常见的任务，并且它已经在 OpenCV（具有 python 包装器）中有效地实现。在 numpy python 包中还有几个用于获取直方图的函数（尽管它们比 OpenCV 实现慢）。