Numpy：インデックスでグループ化された非ゼロ値の出現を見つけよう

Question

私はそれぞれが画像を表す3D配列のコレクションを持っています。私は、指定された座標がすべての配列の中で黒でないピクセルを含む出現の回数を探したい。

result = np.zeros_like(list_of_arrays[0]) 
for array in list_of_arrays: 
    for (y, x) in np.argwhere(array.any(-1)): 
     result[y][x] += 1 
return result 

どのようにしてこの未実装の実装を改善できますか？私が3次元を0または1に変換する方法を知っていたら、各配列をコピーして、それらを追加して自分の答えを得ることができました。問題は、その変換をどのように行うのか分からないことです。 2枚の3x3の写真

# picture 1 
[[[ 208., 208., 208.], 
    [ 0., 0., 0.], 
    [ 110., 110., 110.]], 

[[ 161., 161., 161.], 
    [ 140., 140., 140.], 
    [ 251., 251., 251.]], 

[[ 0., 0., 0.], 
    [ 55., 55., 55.], 
    [ 26., 26., 26.]]] 

# picture 2 
[[[ 88., 88., 88.], 
    [ 140., 140., 140.], 
    [ 0., 0., 0.]], 

[[ 18., 18., 18.], 
    [ 112., 112., 112.], 
    [ 0., 0., 0.]], 

[[ 0., 0., 0.], 
    [ 195., 195., 195.], 
    [ 5., 5., 5.]]] 

# what I'd like 
[[[ 2., 2., 2.], 
    [ 1., 1., 1.], 
    [ 1., 1., 1.]], 

[[ 2., 2., 2.], 
    [ 2., 2., 2.], 
    [ 1., 1., 1.]], 

[[ 0., 0., 0.], 
    [ 2., 2., 2.], 
    [ 2., 2., 2.]]] 

Answer 1

黒0で表されるので、あなたは黒Falseなり、他のすべての色がTrueなるようarray.astype('bool')を使用してブールする配列を変換することができます。

result = sum(ar.astype('bool') for ar in list_of_arrays) 

データ型変換の代わりに、：各座標における非黒色画素の数で終わるようTrueが1になっている間sumとそれらの配列を組み合わせることにより、バック整数に変換しますあなたは、しきい値に画像をnumpy.minimumを使用することができます。

result = sum(np.minimum(ar, 1) for ar in list_of_arrays) 

---

編集：問題を迅速ケースでは、私はリッテベンチマークを実施しました上記2つのアプローチを比較する：

>>> ar = [np.array([[ 208., 208., 208.], 
     [ 0., 0., 0.], 
     [ 110., 110., 110.]]), np.array([[ 161., 161., 161.], 
     [ 140., 140., 140.], 
     [ 251., 251., 251.]]), np.array([[ 0., 0., 0.], 
     [ 55., 55., 55.], 
     [ 26., 26., 26.]])] 

>>> from time import time 
>>> def f1(arrays): 
...  return sum(np.minimum(a, 1) for a in arrays) 
... 
>>> def f2(arrays): 
...  return sum(a.astype('bool') for a in arrays) 
... 
>>> def f3(arrays): 
...  return (np.array(arrays) != 0).sum(axis=0) 
... 
>>> def timeIt(func): 
...  start = time() 
...  for i in range(1000000): 
...   func(ar) 
...  stop = time() 
...  return stop-start 
... 

>>> timeIt(f1) 
12.203268051147461 
>>> timeIt(f2) 
16.594016790390015 
>>> timeIt(f3) 
18.328339099884033 

結果は画像の数とサイズによって異なる場合があります。

Answer 2

ため

---

例は、これら2枚の画像がpic1とpic2呼ばnumpyの配列ですと仮定します。

pic1 = np.array(
    [[[ 208., 208., 208.], 
     [ 0., 0., 0.], 
     [ 110., 110., 110.]], 

    [[ 161., 161., 161.], 
     [ 140., 140., 140.], 
     [ 251., 251., 251.]], 

    [[ 0., 0., 0.], 
     [ 55., 55., 55.], 
     [ 26., 26., 26.]]] 
) 

pic2 = np.array(
    [[[ 88., 88., 88.], 
     [ 140., 140., 140.], 
     [ 0., 0., 0.]], 

    [[ 18., 18., 18.], 
     [ 112., 112., 112.], 
     [ 0., 0., 0.]], 

    [[ 0., 0., 0.], 
     [ 195., 195., 195.], 
     [ 5., 5., 5.]]] 
) 

あなたはnp.array([pic1, pic2])でこれらの画像のnumpyの配列を作成することができますかすでに画像がリストにある場合はnp.array(list_of_arrays)です。次に、この4次元配列に論理演算を各要素に個別に適用し、それぞれがゼロでないかどうかを確認します。画像がリストに既にある場合

# Get a numpy array of images 
images = np.array([pic1, pic2]) # or np.array(list_of_arrays) 

# Check for nonzero values and sum along the relevant axis 
result = (images != 0).sum(axis=0) 

array([[[2, 2, 2], 
     [1, 1, 1], 
     [1, 1, 1]], 

     [[2, 2, 2], 
     [2, 2, 2], 
     [1, 1, 1]], 

     [[0, 0, 0], 
     [2, 2, 2], 
     [2, 2, 2]]]) 

は、このアプローチが他ほど高速ではないかもしれない。最後に、axis=0を指定し、得られた4次元アレイを合計します。つまり、画像のコレクションを最初に作成するときにデータ構造を選択し、numpy配列を使用できる場合は、これが最速です。