对同等大小的图像进行像素比较，找出每个像素最常见的颜色。

Question

假设我有一张图片被转换成一个数组。

data1= numpy.asarray(source1.png) 
data2= numpy.asarray(source2.png)
data3= numpy.asarray(source3.png)
data4= numpy.asarray(source4.png)
data5= numpy.asarray(source5.png)

据我所知，如果我... print(data1) 我将得到一个数组，显示每个像素在每个给定位置的RGB值。

现在我想比较所有的数组。data1, data2, data3, data 4, data5 并找出每个像素中出现频率最高的RGB值，并将其输出为一个新的Array Picture。

举个例子：对于位置X1Y1和X2Y1，数组的样子是这样的

data1= [[0 0 255], [0 1 0]]
data2= [[0 0 255], [0 1 0]]
data3= [[0 0 255], [0 1 0]]
data4= [[0 0 254], [0 1 0]]
data5= [[0 0 254], [0 1 0]]

作为 [(0,0,255)] 是位置X1Y1和X2Y1的最常见值，新数组将被保存为 avg= [(0, 0, 255), (0, 1, 0)]

有没有一个函数可以做到这一点？我对数组的理解正确吗？

Answer 1

你可以将rgb值转换为一个基数为16的整数，然后使用 np.unique 来寻找这样的重复。

def rgb_to_base16(rgb):
    return int('0x{0:02X}{1:02X}{2:02X}'.format(*rgb), 16)

def base16_to_rgb(base16):
    return np.array([base16 >> 16, base16 >> 8 & 0xFF, base16 & 0xFF])

def find_most_common(values):
    unique_values, counts = np.unique(values, return_counts=True)
    if len(unique_values) == len(values):
        return [255, 255, 255]
    else:
        return base16_to_rgb(unique_values[np.argmax(counts)])

stacked = np.stack((img_1, img_2, img_3, img_4), axis=2)

hexified = np.apply_along_axis(rgb_to_base16, 
                               axis=-1, 
                               arr=stacked).astype(np.int)

most_common = np.apply_along_axis(lambda values: find_most_common(values), 
                                  axis=-1, 
                                  arr=hexified).astype(np.uint8)

原答案假设你想单独比较r,g和b的值。

你可以用以下方法得到最常见的值： np.bincount 和 np.argmax，你可以用它应用到堆叠图像阵列的最后一个轴上，用 np.apply_along_axis:

stacked = np.stack((img_1, img_2, img_3), axis=3)
most_common = np.apply_along_axis(lambda x: np.argmax(np.bincount(x)), axis=-1, arr=stacked).astype(np.uint8)

请注意，如果r、g和b都没有出现一次以上，而且，本方法将返回每个r、g和b的最低值。np.bincount 只适用于非负整数。

如果你想为r、g和b中的每一个返回一个自定义的值，如果它们都不重复，你可以将这个行为定义为一个函数而不是lambda表达式。

def find_most_common(values):
    most_common = np.argmax(np.insert(np.bincount(values), 0, 1))
    if most_common == 0:
        return 125
    else:
        return most_common - 1

most_common = np.apply_along_axis(lambda values: find_most_common(values), axis=-1, arr=stacked).astype(np.uint8)

这里，我们在bin -counts后面加一个1，这样就可以了。argmax 如果其他值都没有出现超过一次，将返回0。