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?
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。