具有像素值列表的图像掩码

Question

我想用列表中的值创建图像的蒙版。例如，我有一个尺寸为 (2, 5) 的 RGB 图像：

a = (np.random.rand(2, 5, 3) * 10).astype(int)

array([[[0, 5, 8],
        [9, 0, 2],
        [2, 2, 9],
        [9, 2, 4],
        [2, 5, 3]],

       [[7, 5, 7],
        [1, 9, 3],
        [4, 3, 3],
        [9, 1, 1],
        [9, 5, 5]]]

b = np.array([[0, 5, 8], [7, 5, 7], [4, 3, 3]])

array([[[0, 5, 8],
        [7, 5, 7],
        [4, 3, 3]]])

我想要做的是创建一个图像蒙版 a 保留像素值（每个像素值在列表 b 中的像素值列表中）跨 3 个 RGB 通道（第三维）。给定 a 和 b 的示例结果是：

array([[[True, True, True],          # check if [0, 5, 8] is in b
        [False, False, False],       # check if [9, 0, 2] is in b
        [False, False, False],       # check if [2, 2, 9] is in b
        [False, False, False],       # check if [9, 2, 4] is in b
        [False, False, False]],      # check if [2, 5, 3] is in b

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

或者输出可以是这样的，因为我们用像素值屏蔽了图像，因此可以省略第三维

array([[True,
        False,
        False,
        False,
        False],

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

我已经尝试过这些，但它们对于我的需要来说太慢了：

# A naive way using list comprehension. Slowest I've tried
mask = [[True if np.any(b == a[r, c, :]) else False
          for c in range(a.shape[1])] for r in range(a.shape[0])]

# I've tried this but it's probably a wrong solution since in1d flatten the array to compare
#them. I need the pixel to be compared across the 3rd dimension
mask = np.in1d(a[:, :,  (?)], b, invert=True).reshape(image.shape[:2])

# Fastest I've tried. Took around 4 seconds on my machine on an image with dimension
# (3000, 3000, 3). But apparently it's not fast enough
mask = np.zeros(image.shape[:2], dtype=np.bool)
for val in b:
    mask |= (a == b).all(-1)

感谢任何帮助：D

Answer 1

您可以尝试将每个 RGB 像素与[1,256,65536] 的点积“flatten” 每个像素转换为单个 24 位整数，然后您可以使用 np.in1d()：

# Get some deterministic randomness ;-)
np.random.seed(42)

# Synthesize (hopefully) representative image and 16 colours
a = np.random.randint(0,256,(3000, 3000, 3), np.uint8)
b = np.random.randint(0,256,(16, 3), np.uint8)

# "Flatten" third dimension to single 24-bit number
a24 = np.dot(a.astype(np.uint32),[1,256,65536])
b24 = np.dot(b.astype(np.uint32),[1,256,65536])

# Now use np.in1d()
mask = np.in1d(a24,b24)

在我的 Mac 上，时间安排如下：

%timeit a24 = np.dot(a.astype(np.uint32),[1,256,65536])
153 ms ± 1.43 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

%timeit mask = np.in1d(a24,b24)
93.4 ms ± 400 µs per loop (mean ± std. dev. of 7 runs, 10 loops each)

Answer 2

使用广播试试这个解决方案。

aa = a[:, :, None, :]
bb = b[None, None]
mask = (aa == bb).any(axis=2).all(axis=-1)

我们得到：

In [57]: mask
Out[57]:
array([[ True, False, False, False, False],
       [ True, False,  True, False, False]])

说明

广播在这里很有用，因为我们希望在不循环的情况下跨维度复制信息。我们首先在a 中获取您的图像，并在axis=2 维度中引入一个单一维度，然后将通道移动到axis=3 维度。这使我们的数组具有四个维度。与b 类似，我们通过为第一维和第二维引入单维来使数组具有四个维度。完成此操作后，执行aa == bb 将对a 中的每个RGB 像素和b 中的每个RGB 像素进行逐元素相等检查。使用axis=2 的any 计算将检查a 中的任何像素是否与b 中的所有 元素匹配。如果发生这种情况，该像素的每个 RGB 通道都应等于 True。为了最终完成检查，如果每个 RGB 像素都是True，我们应该输出True，所以我们用axis=-1 结合all 来完成这个。这对于大图像应该很快，因为您只是更改视图。如果没有，它至少应该比您创建的 for 循环方法快。

Answer 3

如果我是正确的，您想检查 a 的任何像素值是否在 b 中。 作为一个快速的解决方案，您可以通过一个简单的技巧来做到这一点。

[[str(j) in str(b) for j in i] for i in a]


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