numpy：将图像蒙版与 RGB 结合以获得彩色图像蒙版

Question

如何将二进制蒙版图像数组 (this_mask - shape:4,4) 与预定义的颜色数组 (mask_color, shape:3) 结合起来

this_mask = np.array([
[0,1,0,0],
[0,0,0,0],
[0,0,0,0],
[0,0,0,0],
])
this_mask.shape # (4,4)

mask_color = np.array([128, 128, 64])
mask_color.shape # (3)

要获得一个新的彩色蒙版图像数组（this_mask_colored, shape:4,4,3）？

this_mask_colored = # do something with `this_mask` and `mask_color`
# [
#  [
#   [0,128,0],
#   [0,0,0],
#   [0,0,0],
#   [0,0,0]
#  ],
#  [
#   [0,128,0],
#   [0,0,0],
#   [0,0,0],
#   [0,0,0]
#  ],
#  [
#   [0,64,0],
#   [0,0,0],
#   [0,0,0],
#   [0,0,0]
#  ],
# ]
this_mask_colored.shape # (4,4,3)

我尝试逐像素循环，当图像为 225x225 时会很慢，最好的方法是什么？

对于每张图片，我都有多层蒙版，每个蒙版层需要有不同的预定义颜色。

Answer 1

这可能有效：

    this_mask = np.array([
        [0,1,0,0],
        [0,0,0,0],
        [0,0,0,0],
        [0,0,0,0],
    ])
    mask_color = np.array([128, 128, 64])

    res = []
    for row in new:
        tmp = []
        for col in row:
            tmp.append(np.array([1,1,1]) * col)
        res.append(np.array(tmp))

    res = res * mask_color

对于每个条目，1 将转换为 [1, 1, 1]，0 为 [0, 0, 0]

我这样做是因为我想利用运算 *（逐元素乘法）的好处

这行得通：

    test = np.array([[0, 0, 0],
                     [1, 1, 1],
                     [0, 0, 0],
                     [0, 0, 0]])

    test * np.array([128, 128, 64])

我们会得到

    array([[  0,   0,   0],
           [128, 128,  64],
           [  0,   0,   0],
           [  0,   0,   0]])

我们想把所有的计算都交给 numpy。所以我们循环遍历数组只是为了转换，其余的都是为了numpy。

对于 255x255 of 1，使用一个 mask_color 需要 0.2 秒，对于 1000x1000 需要 2 秒

Answer 2

下面的函数应该做你想做的。

def apply_mask_color(mask, mask_color):
    return np.concatenate(([mask[ ... , np.newaxis] * color for color in mask_color]), axis=2)

给定以下代码：

this_mask = np.array([
    [0,1,0,0],
    [0,0,0,0],
    [0,0,0,0],
    [0,0,0,0],
    ])

mask_color = np.array([128, 128, 64])

applied = apply_mask_color(this_mask, mask_color)
print(applied.shape) #(4, 4, 3)

请务必注意，输出并非您所期望的。相反，内部的每个元素现在都是一个 3 维数组，其中包含 mask_color 中详述的 R G B 值

print(applied)

输出：

[[[  0   0   0]
  [128 128  64]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]

 [[  0   0   0]
  [  0   0   0]
  [  0   0   0]
  [  0   0   0]]]

我认为更多的是您正在寻找的。​​p>