根据值将标量映射到数组：图像处理 2D 到 3D - NumPy / Python

Question

给定一个形状为 (height, width) 的 Numpy 矩阵，我正在寻找创建另一个形状为 (height, width, 4) 的 Numpy 矩阵的最快方法，其中 4 代表 RGBA 值。我想做这个基于价值的；因此，对于第一个矩阵中的所有 0 值，我希望在第二个矩阵中的同一位置有一个值 [255, 255, 255, 0]。

我想用 NumPy 做到这一点，而不需要像下面这样缓慢地迭代：

for i in range(0, height):
    for j in range(0, width):
        if image[i][j] = 0:
            new_image[i][j] = [255, 255, 255, 0]
        elif image[i][j] = 1:
            new_image[i][j] = [0, 255, 0, 0.5]

如您所见，我正在创建一个矩阵，其中值 0 变为透明白色，1 变为绿色，alpha 为 0.5；有更快的 NumPy 解决方案吗？

我猜numpy.where 应该会极大地帮助加快这个过程，但我还没有弄清楚多重和多重价值转换的正确实现。

Answer 1

你是对的np.where 是你解决这个问题的方法。矢量化函数在哪里，所以它应该比您的解决方案快得多。

我在这里假设它没有我知道的 elif，但您可以通过嵌套 where 语句来解决这个问题。

 new_image = np.where(
           image == 0,
           [255, 255, 255, 0],
           np.where(
                image == 1,
                [0, 255, 0, 0.5],
                np.nan
           )
      )

Answer 2

为了更简洁的解决方案，尤其是在使用多个标签时，我们可以使用np.searchsorted 来追溯映射的值，就像这样 -

# Edit to include more labels and values here            
label_ar = np.array([0,1]) # sorted label array
val_ar = np.array([[255, 255, 255, 0],[0, 255, 0, 0.5]])

# Get output array
out = val_ar[np.searchsorted(label_ar, image)]

请注意，这假定来自image 的所有唯一标签都在label_ar 中。

所以，现在假设我们在image 中还有两个标签2 和3，类似这样 -

for i in range(0, height):
    for j in range(0, width):
        if image[i,j] == 0:
            new_image[i,j] = [255, 255, 255, 0]
        elif image[i,j] == 1:
            new_image[i,j] = [0, 255, 0, 0.5]
        elif image[i,j] == 2:
            new_image[i,j] = [0, 255, 255, 0.5]
        elif image[i,j] == 3:
            new_image[i,j] = [255, 255, 255, 0.5]

我们将相应地编辑标签和值并使用相同的searchsorted 解决方案-

label_ar = np.array([0,1,2,3]) # sorted label array
val_ar = np.array([
    [255, 255, 255, 0],
    [0, 255, 0, 0.5],
    [0, 255, 255, 0.5],
    [255, 255, 255, 0.5]])