如何将一个轴与多个numpy数组匹配答案

【问题标题】：how to match one axis with multiple numpy arrays如何将一个轴与多个numpy数组匹配
【发布时间】：2021-10-05 00:11:15
【问题描述】：

背景：我有一个具有三个缩小（W、H、C）的 rgb 图像，其中 C = 3。我想在此图像中屏蔽一些颜色，例如 (0,0,255) 、 (0,255,255) 。问题变成将图像的最后一个轴与我定义的颜色列表相匹配。 color_list = [[255,0,0], [255,255,0], [255,0,255]] # just an example

用一种颜色很容易做到，

mask = np.all(image == [255,0,0], axis = 2)

但如果我有多种颜色，我必须运行一个 for 循环。

masks = [np.all(image == color, axis = 2) for color in color_list]
mask = np.any(masks, axis=0)

问题：有什么优雅的方式来获得多种颜色的面具？

【问题讨论】：

我觉得你的方法很优雅。
@orlp 你能检查我在下面写的解决方案并验证

标签： python numpy merge match

【解决方案1】：

我有一种使用广播的方法，它更有效，因为它将在 C 中循环。基本上使数组具有可比性。一开始可能看起来很困难，但是一旦你知道它是如何工作的，这就是你将使用的全部[条件适用]....

import numpy as np
x = np.array([[[255,   0,   0],[  0, 255,   0], [  0, 255,   0], [  0, 255,   0]], [[255,   0,   0],[  0, 255,   0], [  0, 255,   0], [  0, 255,   0]]])
print(x.shape)
# (2, 4, 3)

color_list = np.array([[255,0,0], [255,255,0], [255,0,255]])
print(color_list.shape)
# (3, 3)

# make array compatible
x = x[:, :, np.newaxis, :]

### Analogy for interpreting broadcasting
# Here repeating is for analogy and does not mean it will allocate new copy of memory
# element wise comparision, possibler due to broadcast
# shape of x is (2, 4, 1, 3)
# By broadcasting conceptually x will be repeated along axis=2 this will make (2, 4, 3, 3)
# color_list will be repeated over (2, 4) making it (2, 4, 3, 3) and they will have same shape also the final shape after == will be (2, 4, 3, 3)
f1 = np.all(x[:, :, np.newaxis, :] == color_list, axis=3)
#array([[[ True, False, False],
#        [False, False, False],
#        [False, False, False],
#        [False, False, False]],
#
#       [[ True, False, False],
#        [False, False, False],
#        [False, False, False],
#        [False, False, False]]])

mask = np.any(f1, axis=2)

我们有形状为(W, H, C) == (2, 4, 3)的目标数组，我们需要找到大小为3的color_list == [[255,0,0], [255,255,0], [255,0,255]]数组

理想情况下，我们想做cross comparison，我的意思是如果一侧有M，另一侧有N 条目，那么经过一些操作后，我们会得到M * N 的结果。这似乎每 N 次重复 M 个条目并进行比较。虽然乍一看这似乎不可能，但 numpy 提供了广播。这将在概念上重复您的 for 循环之类的条目（实际上它的内存效率很高，它不会创建实际的副本）

所以我们需要广播，以使这两个数组兼容，但它们不兼容，正如broadcasting rules 中提到的那样，形状从右到左比较，它们必须相同或其中一个必须为 1。

color_list 形状为 (3, 3)，x 形状为 (2, 4, 3)。我们将在 x 中添加新轴以使其与广播兼容，即x[:, :, np.newaxis, :]，其形状为 (2, 4, 1, 3)。现在两者都兼容，我们可以比较。

比较最后一个轴，它是颜色通道轴 = 3，然后在最后一个轴上比较他的轴 = 2 将给出 (W, H) 布尔值，如果颜色通道三元组存在于color_list 中，则每个条目表示 True .

这种技术与给定两个点数组时可用于计算距离矩阵的技术完全相同，如Fast way to calculate min distance between two numpy arrays of 3D points

【讨论】：