Python（scikit-image）：确定遮罩区域中最常见颜色的最高效方法

Question

我正在修改一款策略游戏，并且有两个 RGB 图像。一个定义了地图上的省份区域，每个省份都有一种独特的颜色。另一张图像定义了地图的地形。

我有一个 python 脚本，可以比较这两个图像，通过检查每个省份最常见的地形颜色来确定每个省份的地形类型。

例如，我可能会检查颜色省份（0, 0, 255），并发现其区域在地形图上完全充满了草原像素。

我目前这样做的具体方式是这样的：

from skimage import io
import numpy

# Takes an RGB map of shape x, y, and colour channels, and converts it to a 2D array of shape x, y, where each item in the 2D array is an int referring to the colour
# it represents, as indexed in the returned unique colours list.
def get_inverse_map(map, to_tuples = True):
    original_map_shape = (map.shape[0], map.shape[1])
    flattened_map = map.reshape(-1, map.shape[2])
    unique_map_cols, first_occurances, map_inverses, index_counts = numpy.unique(flattened_map, return_index = True, return_inverse = True, return_counts = True, axis = 0)
    unflattened_inverse_map = map_inverses.reshape(original_map_shape)

    if to_tuples:
        unique_map_tuples = [tuple(col) for col in unique_map_cols]
        return unflattened_inverse_map, unique_map_tuples, index_counts
    else:
        return unflattened_inverse_map, unique_map_cols, index_counts


province_map = io.imread(self.province_map_dir)
terrain_map = io.imread(self.terrain_map_dir)

inverse_province_map, unique_province_cols = get_inverse_map(province_map)[ : 2]
inverse_terrain_map, unique_terrain_cols = get_inverse_map(terrain_map)[ : 2]

for p in unique_province_cols:
    province_mask = inverse_province_map == p
    province_terrain_pixels = inverse_terrain_map[province_mask]

    occurances = numpy.bincount(province_terrain_pixels)
    mode_index = numpy.argmax(occurances) # This is the most common index of the colours in the terrain map that occur within province_mask

1. 我将图像从 RGB 数组（形状：x, x, 3）转换为索引图（形状：x, x, 1），以便更快进行比较。
2. 我得到了我想要评估的省份的面具。
3. 我获取地形图中属于省内的像素 地图。
4. 我使用 bincount 和 argmax 来查找最常见的一个。

因为我不能总是保证只有一种地形颜色会在一个省的边界内（有时我会在边缘上绘制），所以我需要找到最常见的颜色，而不是只检查一个像素。

我在非常大的图像上执行此操作，因此尽管我使用索引图来加快速度，但它仍然需要时间。大部分时间似乎都浪费在了

get_inverse_map

上，大概是

numpy.unique

，尽管我不确定。

有没有更快的方法来解决这个问题？

Answer 1

您的方法的问题是迭代每个省份的整个地图。我的解决方案只执行一次。

假设你知道：

• 省份数量 -

  N

  （如果不假设最大省份数量）
• 可能的地形颜色数量 -

  C

做：

1. 创建 2d numpy 数组

   province_terrain_stats

   来累积统计数据，

   N x C

   的大小，每列代表

2. 迭代整个地图，在每个像素处读取其省份 idx 和颜色 idx。在

   province_terrain_stats

   中正确位置的统计数据中添加 1。 您可能需要创建一些

   color2idx

   辅助地图。 重要提示：使用

   numba

   包在整个地图上编写此循环。如果您想使用此解决方案获得良好的性能，这是必须的。

3. 对于

   province_terrain_stats

   中的每个省份，使用

   np.argmax

   查找最常见的地形