Numpy最快的3D到2D投影

Question

我有一個二進制數據的3D數組。 我想把它投射到3個2D圖像 - 側面，正面，鳥眼。

我寫了代碼：

for x in range(data.shape[2]):
    for y in range(data.shape[0]):
        val = 0
        for z in range(data.shape[1]):
            if data[y][z][x] > 0:
                val = 255
                break
        side[y][x] = val

但對於~700x300x300矩陣來說，這是非常緩慢的（75秒！）。

實現此任務的最快方法是什么？

編輯：

為了保存圖像，我使用了：

sideImage = Image.fromarray(side)
sideImage.convert('RGB').save("sideImage.png")

Answer 1

當我擁有3D數據時，我傾向於將其視為具有2D圖像的行，列和切片（或面板）的“立方體”。 每個切片或面板是2D圖像是尺寸的(rows, cols) 我通常會這樣想：

與(0,0,0)在所述前片的左上角之中。 隨着numpy索引是超級容易選擇3D陣列，你有興趣在無需編寫自己的循環只是部分：

>>> import numpy as np
>>> import matplotlib.pyplot as plt
>>> np.set_printoptions(precision=2)

# Generate a 3D 'cube' of data
>>> data3D = np.random.uniform(0,10, 2*3*5).reshape((2,3,5))
>>> data3D
array([[[ 7.44,  1.14,  2.5 ,  3.3 ,  6.05],
        [ 1.53,  8.91,  1.63,  8.95,  2.46],
        [ 3.57,  3.29,  6.43,  8.81,  6.43]],

       [[ 4.67,  2.67,  5.29,  7.69,  7.59],
        [ 0.26,  2.88,  7.58,  3.27,  4.55],
        [ 5.84,  9.04,  7.16,  9.18,  5.68]]])

# Grab some "views" of the data
>>> front  = data3D[:,:,0]  # all rows and columns, first slice
>>> back   = data3D[:,:,-1] # all rows and cols, last slice
>>> top    = data3D[0,:,:]  # first row, all cols, all slices 
>>> bottom = data3D[-1,:,:] # last row, all cols, all slices
>>> r_side = data3D[:,-1,:] # all rows, last column, all slices
>>> l_side = data3D[:,0,:]  # all rows, first column, all slices

看看前面的樣子：

>>> plt.imshow(front, interpolation='none')
>>> plt.show()

Answer 2

您可以按如下方式計算它：

>>> data = np.random.random_sample((200, 300, 100)) > 0.5
>>> data.any(axis=-1).shape # show the result has the shape we want
(200, 300)
>>> data.any(axis=-1)
array([[ True,  True,  True, ...,  True,  True,  True],
       [ True,  True,  True, ...,  True,  True,  True],
       [ True,  True,  True, ...,  True,  True,  True],
       ...,
       [ True,  True,  True, ...,  True,  True,  True],
       [ True,  True,  True, ...,  True,  True,  True],
       [ True,  True,  True, ...,  True,  True,  True]], dtype=bool)
>>>

您可以根據需要縮放值

>>> data.any(axis=-1) * 255
array([[255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       ...,
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255],
       [255, 255, 255, ..., 255, 255, 255]])
>>>

Answer 3

一段時間后，我將下面的內容寫成3D陣列的可視化輔助工具。 也是一個很好的學習練習。

# Python 2.7.10
from __future__ import print_function
from numpy import *

def f_Print3dArray(a_Array):
    v_Spacing = (len(str(amax(abs(a_Array)))) + 1) if amin(a_Array)\
        < 0 else (len(str(amax(a_Array))) + 1)
    for i in a_Array[:,:,::-1].transpose(0,2,1):
        for index, j in enumerate(i):
            print(" " * (len(i) - 1 - index) + "/ ", end="")
            for k in j:
                print(str(k).ljust( v_Spacing + 1), end="")
            print("/")
        print()

a_Array = arange(27).reshape(3, 3, 3)
print(a_Array)
print()

f_Print3dArray(a_Array)

轉換這個：

[[[ 0  1  2]
  [ 3  4  5]
  [ 6  7  8]]

 [[ 9 10 11]
  [12 13 14]
  [15 16 17]]

 [[18 19 20]
  [21 22 23]
  [24 25 26]]]

對此：

  / 2   5   8   /
 / 1   4   7   /
/ 0   3   6   /

  / 11  14  17  /
 / 10  13  16  /
/ 9   12  15  /

  / 20  23  26  /
 / 19  22  25  /
/ 18  21  24  /

希望它可以幫助某人。