关于 numpy.where 语句

Question

我想使用 numpy.where 来检查前一行的值，但不知道如何编码

对于范围内的 n1(len(image1))：

print('input image ',input_folder+'\\' + image1[n1])
print('\n')
print('image1[n1] ',image1[n1])
print('\n')

im = Image.open(input_folder+'\\'+image1[n1])

a = np.array(im, dtype='uint8')

width, height = im.size

print('width ',width)
print('height ',height)


a = np.where(a==[0,0,0],[255,255,255],a)

!-- 将循环语句改为 np.where --!

  for h in range(height):
    for w in range(width):
      
      if h <= (height - 2) and w <= (width - 2):
           
         if a[h,w,0] != 255 and a[h,w,1] != 255 and a[h,w,2] != 255:
             if (a[h-1,w,0] == 255 and a[h-1,w,1] == 255 and a[h-1,w,2] == 255 and a[h+1,w,0] == 255 and a[h+1,w,1] == 255 and a[h+1,w,2] == 255) or (a[h,w-1,0] == 255 and a[h,w-1,1] == 255 and a[h,w-1,2] == 255 and a[h,w+1,0] == 255 and a[h,w+1,1] == 255 and a[h,w+1,2] == 255):***

             Change the above looping statement to np.where(a[-??] = [255,255,255] or a[+??] = [255,255,255]) so it can run more faster than the for loop statement.  -->


                a[h,w,0] = 255
                a[h,w,1] = 255
                a[h,w,2] = 255

Answer 1

恐怕你不能在这里使用np.where。

原因是：

• 传递给 np.where 的条件应指示 源数组，
• 而您代码中的标准实际上只与前 2 个相关 源数组的维度。

所以我想出了另一个非常优雅简洁的解决方案。

第 1 部分：如何获取元素的前两个索引，其中所有元素 在第三个维度是 != 255:

对于它，在整个数组上，你可以运行：

np.not_equal(a, 255).all(axis=2)

第 2 部分：如何将“操作范围”限制为具有两者的元素 上一行和下一行和下一列。

您可以将原始数组的“子范围”传递给上述代码：

np.not_equal(a[1:-1, 1:-1], 255).all(axis=2))

您应该删除 both 第一和最后一列和行（在 您的代码未能消除第一行/第一列）。

但请注意，这次生成的索引比以前少了一个， 所以在后面的步骤中，您必须将 1 添加到它们。

第 3 部分：检查所有元素是否沿第三维的函数 == 255，对于某些行 (r) 和列 (c)：

def all_eq(arr, r, c):
    return np.equal(arr[r, c], 255).all()

（即将使用）。

第 4 部分：如何获得结果：

res = a.copy()
for r, c in zip(*np.where(np.not_equal(a[1:-1, 1:-1], 255).all(axis=2))):
    h = r + 1
    w = c + 1
    if all_eq(a, h-1, w) and all_eq(a, h+1, w) or\
            all_eq(a, h, w-1) and all_eq(a, h, w+1):
        res[h, w] = 255

请注意，此代码从制作原始数组的副本开始 （它将保存结果）。

然后，for r, c in zip(…) 遍历找到的索引。

循环中的前 2 行将 1 添加到 子范围 中找到的索引中 的原始数组，所以现在 h 和 w 表示 whole 中的行/列 原始数组。

然后if检查各个相邻像素是否在所有元素中都有255。

如果有，则将 255 放入“当前”像素的所有元素中，在结果中。

您不能对原始数组进行操作，因为某些像素的值发生了变化 会“伪造”对后续像素条件的评估。

编辑

经过一番研究我发现，可以使用np.where， 虽然解决方案有点复杂并且涉及相当大的 Numpy 方法的数量：

# Mask 1: Pixels with all elements != 255
m1 = np.zeros((height, width), dtype='int8')
idx = np.where(np.not_equal(a, 255).all(axis=2))
m1[idx] = 1
# Pixels with all elements == 255
m2 = np.apply_along_axis(lambda px: np.equal(px, 255).all(), 2, a).astype('int8')
# Both adjacent pixels (left / right) == 255
m2a = np.logical_and(np.insert(m2, 0, 0, axis=1)[:,:-1], np.insert(m2,
    width, 0, axis=1)[:,1:])
# Both adjacent pixels (up / down) == 255
m2b = np.logical_and(np.insert(m2, 0, 0, axis=0)[:-1,:], np.insert(m2,
    height, 0, axis=0)[1:,:])
# Mask 2: Both adjacent pixels (either vertically or horizontally) == 255
m2 = np.logical_or(m2a, m2b)
# The "final" mask
msk = np.logical_and(m1, m2)
# Generate the result
result = np.where(np.expand_dims(msk, 2), 255, a)

这个解决方案应该比我的第一个概念快得多。