scikit-image 逐像素操作答案

【问题标题】：scikit-image pixel by pixel manipulationscikit-image 逐像素操作
【发布时间】：2017-03-31 23:39:28
【问题描述】：

我需要读取一个图像，然后对每个像素执行一个函数，然后将其保存为新图像。我将 scikit-image 用于第一部分和最后一部分（读取和写入），但我无法快速执行第二个操作（实际转换）。

scikit-image 中读取操作的结果是一个形状为 (WIDTH, HEIGHT, N_CHANNELS) 的 numpy 数组，其中 WIDTH 和 HEIGHT 是图像的，N_CHANNELS 是 3 或 4。我需要应用这样的函数将像素从 [R, G, B] 转换为 [R - B, G - B, B - R] 的像素分别转换为每个像素。

我花了几天时间试图让它工作，但到目前为止我唯一可行的解决方案是遍历每一行和每一列并执行计算。这需要很长时间才能完成。

我尝试对数组进行矢量化，但结果是一维数组，无法使用它。有没有其他高效的方法来完成这项工作？

def calculate_ndvi(nir, red):
    if red == 0 and nir == 0:
        return 0.5
    else:
        num = int(nir) - int(red)
        den = int(nir) + int(red)
        return num / den


zero_uint = numpy.uint8(0)


def process_color(clr):
    ndvi = calculate_ndvi(clr[2], clr[0])
    return [-ndvi, ndvi, zero_uint]


def save_ndvi_file():
    image = io.imread(input_path)

    rows = image.shape[0]
    cols = image.shape[1]

    out = numpy.empty(shape=(rows, cols, 3))
    for i in range(rows):
        for j in range(cols):
            out[i][j] = process_color(image[i][j])

    io.imsave('output.jpg', out)

【问题讨论】：

没有看到你的代码，我们能做的最好的就是猜测。请准备一个minimal reproducible example。将该函数应用于 25MP 文件应该不会花费很长时间，因此您可能做错了什么。

标签： python numpy scikit-image

【解决方案1】：

您可以通过使用多维广播操作来将其向量化。这是您的函数的一个版本，它以矢量化方式执行所有操作：

def save_ndvi_file():
    image = io.imread(input_path)

    nir = image[:, :, 2]
    red = image[:, :, 0]
    ndvi = (nir - red) / (nir + red)
    ndvi[(nir == 0) & (red == 0)] = 0.5
    out = ndvi[:, :, np.newaxis] * np.array([[[-1, 1, 0]]])

    io.imsave('output.jpg', out)

请注意，您循环的所有事情现在都通过广播的 numpy 操作完成，而不是通过循环外部函数调用。以这种方式编写代码需要对算法的思考方式略有不同，但一旦习惯了它就会非常直观。

【讨论】：