将元组操作按元素应用于元组的numpy数组

Question

我正在使用二维数组的“像素”（rgb int元组），并且我需要一种有效的方法来对每个元素进行一些numpy操作。 具体来说，我正在尝试在目标颜色的几种颜色阴影内找到像素，以便稍后使用numpy.nonzero进行隔离

在这种情况下，使用For循环需要数十秒，因此我希望逐个元素地应用numpy操作以达到相同的结果。

我正在申请

元组减法：

pixel_diff = numpy.subtract( pixel_a, pixel_b) 

元组绝对值：

pixel_abs = numpy.abs( pixel_diff )

元组比较：

pixel_bool = pixel_abs < int_tolerance

元组全部（）：

is_similar = numpy.all(pixel_bool)

尝试将任何这些操作盲目地应用于我的阵列会导致无效的升级错误，因此我认为必须有一种适当的方法来执行此操作。

Answer 1

   import numpy as np
   #create a RGB array of 1000x1000x3 and separate into colors
   R, G, B = np.random.randint(0, 255, size = (1000, 1000, 3))
   #find all pixels less than 100, 100, 100
   np.logical_and((R<100), (G<100), (B<100))

您可以修改最后一行以适合您的颜色需求。 照原样，最后一行在单个内核上花费约1.5 ms。

Answer 2

您可以转换为等效的非结构化视图 （无需花费任何额外成本来复制基础数据）：

my_3dview_of_ints = my_2d_of_3tuples.view(dtype=int)

其中my_2d_of_3tuples是您当前的结构化数组（元组数组）

然后，您可以在此视图上执行常规的numpy数组操作，而不会遇到任何类型错误。

例如，如果您的数组如下所示：

 [[(207,  27, 185) ( 90, 197,  52) ( 58, 153, 145) (239,  42,  39)]
 [(218,  23, 195) (226,  92, 170) ( 21, 114, 190) (192, 145,  48)]]

然后，如上创建的视图将如下所示：

[[[207  27 185]
  [ 90 197  52]
  [ 58 153 145]
  [239  42  39]]

 [[218  23 195]
  [226  92 170]
  [ 21 114 190]
  [192 145  48]]]

例如：

pixel_a = my_3dview_of_ints[0,0] # pixel [207,27,185] at [0,0]
pixel_b = my_3dview_of_ints[1,1] # pixel [226,92,170] at [1,1]

pixel_diff = numpy.subtract( pixel_a, pixel_b) # Gives [-12,-65,5]

您甚至可以更改视图中的特定元素，并且更改将自动反映在原始结构化数组中的相应位置：

my_3dview_of_ints[3,3] = pixel_a # Assign [207, 27,185] to location [3,3]