图像段中所有像素的强度值之和

Question

根据下面显示的公式，我需要通过将段中的强度值之和除以段中的像素数来计算平均阈值。

其中 Xi' 是二进制掩码 (structure_mask)，|Xi'|是多个 (xi_modulus)。 I(x,y) 是像素强度。

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
...
...
structure_mask = np.logical_and(magnitude_mask, intensity_mask).astype(np.uint8)
xi_modulus = np.count_nonzero(structure_mask.all(axis=2))
intensity_sum  # = ??

如何计算与numpy的强度总和？

已编辑：根据@HansHirse 的回答，我尝试执行以下操作：

thresh_val = np.mean(img_gray[structure_mask])

我有IndexError: too many indices for array

structure_mask 的形状为 (1066, 1600,1) 和 img_gray - (1066,1600)

更新：只是一个愚蠢的错误。形状不匹配已通过适当的索引修复

structure_mask = np.logical_and(magnitude_mask, intensity_mask)[:, :, 0]

Answer 1

使用 NumPy 的boolean array indexing，您可以轻松访问所需的值。您只需要注意，您的 mask（或片段）属于 NumPy 的 bool_ 类型。

让我们看看这个短代码 sn-p，我将在其中比较从 np.mean 获得的平均值与由给定公式明确计算的平均值：

import cv2
import numpy as np

# Some artificial image
img = np.uint8(255 * np.tile(np.linspace(1, 0, 400), (400, 1)))
cv2.imshow('img', img)

# Some mask (or segment)
mask = np.zeros((400, 400), np.uint8)
mask[10:390, 10:30] = 255
cv2.imshow('mask', mask)

# Convert mask to bool_ type
mask = np.bool_(mask)

# Calculate mean by NumPy's mean
mean = np.mean(img[mask])
print('mean by np.mean:\n', mean)

# Calculate mean explicitly by given formula
mean = np.sum(img[mask]) / np.count_nonzero(mask)
print('mean by formula:\n', mean)

cv2.waitKey(0)
cv2.destroyAllWindows()

输出（此处省略图片）：

mean by np.mean:
 242.05
mean by formula:
 242.05

希望有帮助！

Answer 2

numpy 支持逻辑索引所以

magnitude_mask[intensity_mask].mean()

会给你你想要的。

如果你坚持使用 sum

magnitude_mask[intensity_mask].sum()