使用 numpy 和像素位置查找图像的高度和宽度

Question

我已将两个图像转换为 numpy 数组

image1Array

image2Array

两个图像都已转换为灰度，因此只有0 或255 值。

在这两个示例中，顶部（​​和底部）都有很多行白色：

[255 255 255 255 .... 255 255 255 255]

我相信我所说的“行”实际上是一个数组。我是使用 Numpy 的新手。因此，图像中的每一行都有一个数组，该行中的每个像素都用0 或255 表示。

如何找到包含黑色0 像素的第一行和包含黑色0 像素的最后一行？我应该可以用它来计算高度。在这些示例中，这应该是大致相同的数字。

我相信numpy.where(image1Array == 0)[0] 正在返回每个黑色像素的行； min() 和 max() 这似乎是我正在寻找的东西，但我还不确定。

相反，如何找到每张图片的宽度？在这些示例中，Image 2 的宽度数应大于 Image 1

编辑

我想我只需要这样的东西：

高度（第一行黑色像素与最后一行黑色像素的差）：

(max(numpy.where(image1Array == 0)[0])) - (min(numpy.where(image1Array == 0)[0]))

宽度（黑色像素的最低列值与黑色像素的最高列值之差）：

(max(numpy.where(image1Array == 0)[1])) - (min(numpy.where(image1Array == 0)[1]))

到目前为止，我的测试表明这是正确的。比较上例中的两个图像，它们的高度相等，而 image2Array 的宽度是 image1Array 的两倍。

Answer 1

你会想要这样的：

mask = x == 0  # or `x != 255` where x is your array

columns_indices = np.where(np.any(mask, axis=0))[0]
rows_indices = np.where(np.any(mask, axis=1))[0]

first_column_index, last_column_index = columns_indices[0], columns_indices[-1]
first_row_index, last_row_index = rows_indices[0], rows_indices[-1]

---

说明：

让我们使用np.pad¹

创建一个示例数组

import numpy as np


x = np.pad(array=np.zeros((3, 4)), 
           pad_width=((1, 2), (3, 4)),
           mode='constant',
           constant_values=255)
print(x)

[[255. 255. 255. 255. 255. 255. 255. 255. 255. 255. 255.]
 [255. 255. 255.   0.   0.   0.   0. 255. 255. 255. 255.]
 [255. 255. 255.   0.   0.   0.   0. 255. 255. 255. 255.]
 [255. 255. 255.   0.   0.   0.   0. 255. 255. 255. 255.]
 [255. 255. 255. 255. 255. 255. 255. 255. 255. 255. 255.]
 [255. 255. 255. 255. 255. 255. 255. 255. 255. 255. 255.]]

从这里我们可以得到一个零元素的boolean mask array，就这么简单：

mask = x == 0
print(mask)

[[False False False False False False False False False False False]
 [False False False  True  True  True  True False False False False]
 [False False False  True  True  True  True False False False False]
 [False False False  True  True  True  True False False False False]
 [False False False False False False False False False False False]
 [False False False False False False False False False False False]]

现在我们可以使用np.any 来获取那些至少有一个零元素的行。
对于列：

print(np.any(mask, axis=0))
>>> [False False False  True  True  True  True False False False False]

对于行：

print(np.any(mask, axis=1))
>>> [False  True  True  True False False]

现在我们只需要将布尔数组转换为索引数组²：

columns_indices = np.where(np.any(mask, axis=0))[0]
print(columns_indices)
>>> [3 4 5 6]

rows_indices = np.where(np.any(mask, axis=1))[0]
print(rows_indices)
>>> [1 2 3]

从这里获取第一个和最后一个行/列索引非常简单：

first_column_index, last_column_index = columns_indices[0], columns_indices[-1]
first_row_index, last_row_index = rows_indices[0], rows_indices[-1]

---

时间安排：
我使用以下代码计算时间并绘制它们：Plot timings for a range of inputs.
将我的版本与您的版本进行比较，但重构如下：

indices = np.where(x == 0)
first_row_index, last_row_index = indices[0][0], indices[0][-1]
first_column_index, last_column_index = indices[1][0], indices[1][-1]

plot_times([georgy_solution, yodish_solution],
           np.arange(10, 200, 5), 
           repeats=500)

plot_times([georgy_solution, yodish_solution],
           np.arange(200, 10000, 800), 
           repeats=1)

---

¹ 请参阅How to pad numpy array with zeros 以获取很好的示例。
²How to turn a boolean array into index array in numpy。

Answer 2

这是一个适用于 python 2 或 python 3 的脚本。如果您使用 IPython 或 jupyter，“魔术”%pylab 会为您完成所有导入，您不需要所有 from... 语句。在这些声明之后，我们会创建一张与您发布的图片类似的图片。

from __future__ import print_function # makes script work with python 2 and python 3
from matplotlib.pyplot import show, imshow, imread
from matplotlib.mlab import find
from numpy import zeros, int8, sum

img1 = zeros((256, 256), dtype=int8)
img1[50:200, 100:150] = 100
imshow(img1) 
show() # You don't need this call if you are using ipython or jupyter
# You now see a figure like the first one you posted
print('Axis 0 blob limits', find(sum(img1, axis=0) != 0)[[0, -1]]) 
print('Axis 1 blob limits', find(sum(img1, axis=1) != 0)[[0, -1]])

将sum 函数与axis 的显式规范一起使用，使其沿给定方向返回总和。 find 函数返回条件为真的所有索引的数组，在这种情况下“列或行总和为零？”最后，切片[0, -1] 选择找到的第一列和最后一列。

如果您的图像没有任何行或任何全为零的列，find 返回一个空数组，并且索引尝试[0, -1] 引发IndexError。如果你在它周围包裹一个try...except 块，你可以美化错误条件。