【问题标题】：Using array mask to change pixels values使用数组掩码更改像素值
【发布时间】：2015-04-20 03:26:23
【问题描述】：

说明

我有一张图片和它的面具。我正在使用 PIL 和 Numpy 应用以下规则：

掩码为红色(255, 0, 0) 的像素设置为(0, 0, 0)。
掩码为绿色的像素(0, 255, 0)，设置为(64, 64, 64)
蒙版为蓝色的像素(0, 0, 255)，设置为(128, 128, 128)
蒙版为黄色的像素(255, 255, 0)，设置为(255, 255, 255)
否则，保持像素不变。

我尝试过的

利用数组掩码的思想，我尝试了以下方法：

import numpy as np
import Image

# (R G B)
red = [255, 0, 0]
green = [0, 255, 0]
blue = [0, 0, 255]
yellow = [255, 255, 0]


def execute():
    im = Image.open('input.png')
    data = np.array(im)
    print "Original = ", data.shape

    mask = Image.open('mask2.png')
    data_mask = np.array(mask)
    print "Mask = ", data_mask.shape

    red_mask = data_mask == red
    green_mask = data_mask == green
    blue_mask = data_mask == blue
    yellow_mask = data_mask == yellow

    data[red_mask] = [0, 0, 0]
    data[green_mask] = [64, 64, 64]
    data[blue_mask] = [128, 128, 128]
    data[yellow_mask] = [255, 255, 255]

    im = Image.fromarray(data)
    im.save('output.png')


if __name__ == "__main__":
    execute()

问题

上面的代码输出：

Original =  (64, 64, 3)
Mask =  (64, 64, 3)
ValueError: NumPy boolean array indexing assignment cannot assign 3 input values to the 5012 output values where the mask is true

我错过了什么吗？如何使用数组掩码的思想来改变像素值？

【问题讨论】：

这不是你的问题，但如果你使用的是import Image 而不是from PIL import Image，这意味着你使用的是 PIL 而不是它的现代 fork Pillow。除非你真的需要与非常旧版本的 Python 向后兼容，或者由于某种原因不能与 Pillow 一起使用的代码（不应该有这样的东西，但总会有错误，对吧？），不要这样做那个。
供将来参考：PIL 的东西在这里根本不相关；您可以使用源代码中硬编码的一对 5x5x3 数组来演示相同的问题。对于这个问题，这将是一个更好的minimal, complete, verifiable example。如果你不能这样做，至少将 64x64x3 PNG 文件上传到某个地方，以便人们可以调试你的示例——但最好让它们变得不必要。（我认为这是一个很好的问题，只是它可能是一个更好的问题。）

标签： python image-processing numpy

【解决方案1】：

看看data[data_mask == red]：它将是一个平面数组，而不是 (X,Y,3) 的 3D 数组。所以，最后一个轴是 5012，而不是 3。所以你不能广播分配。

The docs 解释一下：

结果是一个一维数组，其中包含索引数组中的所有元素，对应于布尔数组中的所有真实元素。

但是……

如果 y 的维度多于 b，则结果将是多维的。例如：

（这里，y 相当于您的data，而b 相当于您的red_mask。）

如果你仔细想想，这是有道理的。您的 red_mask 是一个 64x64x3 数组；它不可能挑选出 3 个向量（像素），它只能挑选出单个值。

让我们举一个更小、更简单、更具体的例子（一个 4 像素的一维数组，而不是一个 64x64 像素的二维数组），而不是你的例子（a）你没有给我们和（b ) 太大了，不能一下子看：

>>> data = np.array([[1,2,3], [4,5,6], [7,8,9], [10,11,12]])
>>> mask = np.array([[1,2,3], [4,5,6], [1,2,3], [4,5,6]])
>>> red = np.array([1,2,3])
>>> red_mask = mask == red
>>> red_mask
array([[ True,  True,  True],
       [False, False, False],
       [ True,  True,  True],
       [False, False, False]], dtype=bool)
>>> data[red_mask]
array([1, 2, 3, 7, 8, 9])
>>> data[red_mask] = [0,0,0]
ValueError: NumPy boolean array indexing assignment cannot assign 3 input values to the 6 output values where the mask is true
>>> red_mask[:,0]
array([ True, False,  True, False], dtype=bool)
>>> data[red_mask[:,0]]
array([[1, 2, 3],
       [7, 8, 9]])
>>> data[red_mask[:,0]] = [0,0,0]
>>> data
array([[ 0,  0,  0],
       [ 4,  5,  6],
       [ 0,  0,  0],
       [10, 11, 12]])

看到red_mask 是每个单独标量分量的索引，而red_mask[:,0] 是每个整个 3 向量像素的索引吗？

【讨论】：