如何有效地将三通道图像的每个像素映射到一个通道？

如何有效地将三通道图像的每个像素映射到一个通道？

方法1

这是

views

和

np.searchsorted

-

# https://stackoverflow.com/a/45313353/ @Divakardef view1D(a, b): # a, b are arrays    a = np.ascontiguousarray(a)    b = np.ascontiguousarray(b)    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))    return a.view(void_dt).ravel(),  b.view(void_dt).ravel()# Trace back a 2D array back to given labelsdef labelrows(a2D, label_list):    # Reduce array and labels to 1D    a1D,b1D = view1D(a2D, label_list)    # Use searchsorted to trace back label indices    sidx = b1D.argsort()    return sidx[np.searchsorted(b1D, a1D, sorter=sidx)]

因此，要将其用于

3D

图像阵列，我们需要将高度和宽度合并为一个维度，并使颜色通道保持原样暗淡，并使用标签功能。

方法＃2

针对具有

[0,255]

范围的图像元素进行了调整，我们可以利用矩阵乘法来降低维数，从而进一步提高性能，就像这样-

def labelpixels(img3D, label_list):    # scale array    s = 256**np.arange(img.shape[-1])    # Reduce image and labels to 1D    img1D = img.reshape(-1,img.shape[-1]).dot(s)    label1D = np.dot(label_list, s)    # Use searchsorted to trace back label indices    sidx = label1D.argsort()    return sidx[np.searchsorted(label1D, img1D, sorter=sidx)]

样本运行如何扩展图像大小并验证-

In [194]: label_list = [[0,255,255], [0,0,0], [0,0,255], [255, 0, 255]]In [195]: idx = [2,0,3,1,0,3,1,2] # We need to retrieve this backIn [196]: img = np.asarray(label_list)[idx].reshape(2,4,3)In [197]: imgOut[197]: array([[[  0,   0, 255],        [  0, 255, 255],        [255,   0, 255],        [  0,   0,   0]],       [[  0, 255, 255],        [255,   0, 255],        [  0,   0,   0],        [  0,   0, 255]]])In [198]: labelrows(img.reshape(-1,img.shape[-1]), label_list)Out[198]: array([2, 0, 3, 1, 0, 3, 1, 2])In [217]: labelpixels(img, label_list)Out[217]: array([2, 0, 3, 1, 0, 3, 1, 2])

最后，输出需要重新调整为

2D

-

In [222]: labelpixels(img, label_list).reshape(img.shape[:-1])Out[222]: array([[2, 0, 3, 1],       [0, 3, 1, 2]])