1

我有一个gray_imageshape 的图像（名为 ）(1830, 1830)。经过一些图像处理（我创建了超像素），我得到了一个名为segments（形状(1830, 1830)）的二维数组，其中包含从 0 到 72 的值。

我需要从找到值“0”的位置获取索引，segments并使用该索引将值保存gray_image在新数组（名为：）中arr。

我认为一个示例将帮助您更好地理解我的问题：

假设我有这个图像，一个 3x3 维度的二维数组：

gray_image = numpy.array([[1, 1, 1],
                          [2, 2, 2],
                          [3, 3, 3]])

这是我的分段数组，一个 3x3 维度的 2D 数组：

segments = numpy.zeros([[0, 0, 1],
                        [0, 1, 2],
                        [1, 2, 2]])

我需要创建一个算法来输出arr带有 shape的数组(3, 3)。

 arr = np.array([[1, 1, 2]  # on the first line are the values from gray_image that correspond with value 0 from segments
                 [1, 2, 3]  # on the second line are the values from gray_image that correspond with value 1 from segments
                 [2, 3, 3]]) # on the third line are the values from gray_image that correspond with value 2 from segments

我刚刚意识到每个段的数字计数是不同的，所以我不确定这是否可以使用 2D 数组。我正在考虑使用诸如字典之类的集合来保存与索引相关的所有信息。

所以，这是我到目前为止所做的：

i = 0
j = 0
k = 0
n = 0
m = 0
arr = np.empty([1830, 1830]) # empty array
for k in range(0, 72):
     for i in range(0,1829):
         for j in range(0,1829):                      
             if segments[i][j] == k:
                 arr[m][n] = gray_image[i][j]
                 n = n + 1
             if i == 1829 and j == 1829:
                 m = m + 1

但这根本不起作用，我遇到了这个错误：

arr[m][n] = gary_image[i][j]

IndexError: index 1830 is out of bounds for axis 0 with size 1830

我有点坚持了几天，所以任何建议都将受到高度赞赏。

4

1 回答 1

1

首先，让我们假设您的标签数组有利于制作一个 numpy 数组，即每个标签的元素数N是恒定的，标签数MxN与图像大小相同。如果不是这种情况，则无法构造 2D numpy 数组作为结果。

诀窍是识别区域。为此，我们将使用np.argsort：

idxa = np.argsort(segments, axis=None).reshape(m, n)
arr = gray_image.ravel()[idxa]

如果你的标签不利于数组输出，上面的结果还是有用的。与其重塑idx为正确的输出形状，不如保持原样并找出拆分索引以制作数组列表：

idxl = np.argsort(segments, axis=None)
splits = np.flatnonzero(np.diff(segments.ravel()[idxl])) + 1
lst = np.split(gray_image.ravel()[idxl], splits)

每个段对应的标签不必从零开始或以任何方式特殊，因此您可能希望将值作为与arr/长度相同的数组获取lst：

labels = segments.ravel()[idxa[:, 0]]  # For arr-based solution
labels = segments.ravel()[idxl[np.r_[0, splits]]] # For lst-based solution

您可以通过 ziplabels和arror轻松地将结果转换为字典lst：

dct = dict(zip(labels, lst))  # Works with arr too
于 2021-04-05T14:57:16.757 回答