查找（x，y）坐標，z通過numpy通過測試

Question

我在Numpy中有一個16x16x4的數組。

尺寸1：水平位置[0,15]

尺寸2：垂直位置[0,15]

維度3：RGB值0-255 [0,3]

將16x16替換為2048x1285，然后：

for x in range(0,15):
    for y in range(0,15):

不削減（最多需要7分鍾的時間，並在每個有趣的地方進行洪水填充）。 遍歷PIL圖像的速度非常快，但是會拖累數個數組（即7分鍾以上）。

numpy.where(bitmap == [red, green, blue, alpha])

似乎不是我要找的東西。 解決此問題的合理快速方法是什么？

編輯：

bitmap == [red, green, blue, alpha]

實際上幾乎是有用的。 如果z = [True，True，True，True]，否則如何從16x16x4數組變為array [x，y]為1的16x16x1數組，否則為0？

Answer 1

我無法再現您的速度-甚至在我現在很古老的筆記本上的強力迭代速度也要快大約14倍-而且我不確定您認為它where工作，所以我懷疑時間花費在其他地方（例如您需要填寫的時間）。 無論如何：

如果z = [True，True，True，True]，否則如何從16x16x4數組變為array [x，y]為1的16x16x1數組，否則為0？

我會：

In [169]: m = numpy.random.randint(0, 16, size=(2048, 1285, 4))

In [170]: b = [4,5,6,7]

In [171]: matches = (m == b).all(axis=2)*1

In [172]: matches.shape
Out[172]: (2048, 1285)

而且非常快：

In [173]: timeit matches = (m == b).all(axis=2)*1
10 loops, best of 3: 137 ms per loop

Answer 2

如您ndarray ，在ndarray上使用for循環進行迭代不是很有效。 如果要查找滿足條件的條目的索引，則應使用

indices = np.where(bitmap == [R, G, B, A])

這將返回一個三元素元組，給出沿第一，第二和第三軸的解的索引。 由於您只對前兩個維度感興趣，因此可以刪除第三個項目。 而且，如果您想要一系列類似(x,y)的索引，則只需使用類似

zip(*indices[:2])

第二種可能性是將您的(N,M,4)標准整數ndarray為一個ndarray dtype=[[('',int)]*4]的(N,M)結構化數組（不要為字段名煩惱，它們將自動擴展為'f0', 'f1', ... ：

alt_bitmap = bitmap.view([('',int)'*4).squeeze()

（引入了squeeze以將(N,M,1)數組折疊為(N,M)數組）

然后，您可以使用np.where函數，但是您要測試的值也必須是np.array ：

indices = np.where(bitmap==np.array((R, G, B, A), dtype=bitmap.dtype))

這次， indices將只有2個元組，您可以使用前面介紹的zip(*indices)獲得(x,y)對。

Answer 3

事實證明，我所描述的是通過以下方式實現的

zip(*numpy.where(numpy.logical_and.reduce(image == [255,255,255])))

根據任何文檔，這還不清楚，但是您已經掌握了。 （編輯：缺少Alpha通道並不重要。）

我感興趣的測試實際上並不是某個點相等，而是到該點的歐幾里得距離在一個閾值內。

numpy.apply_along_axis(distance_from_white ...

其中distance_from_white是一個返回白色的歐幾里得距離的函數，工作於16x16，但需要花費2048x1245的分鍾。 scipy.spatial.distance.pdist（或cdist？）可能是答案，但是我無法弄清楚如何使它針對單個點而不是2個數組中所有點之間的距離計算距離（這適用於16x16，但是它浪費了很多計算資源，我什至不願嘗試以實際大小進行嘗試）。