使用np.isclose()比较np.array()

Question

我想使用np.isclose()来比较图像的像素数组。下面是我想做的事：

print(image_array.shape) # (320, 240, 4)

for i in range(0, len(image_array)):
    for j in range(0, len(image_array[i])):
        if np.isclose(image_array[i][j], [1, 0, 0, 1]):
            image_array[i][j] = [0, 1, 0, 1]

但是我得到了下面的错误ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()。

我不能使用np.all()，因为我想替换所有甚至足够接近的像素。

Answer 1

与其使用np.isclose，不如使用np.allclose。这将为该比较返回一个布尔值。

Answer 2

在文档中- isclose“返回一个布尔数组，其中两个数组在公差范围内元素上是相等的。

因此，返回的布尔值数组表示4元素数组的每个值的近似值。这取决于您如何将该数组转换为单个布尔值。

例如，您可能只关心这4种匹配中的任何一种，在这种情况下，您可以使用any()；或者，如果您关心是否所有匹配，则可以使用all()。

Answer 3

image_array[i,j]是一个形状(4，)数组(您可以检查它)。isclose和[1,0,0,1]是一个相同大小的布尔数组。它不能在if中使用。但是您可以将all应用于此，也可以使用allclose来测试“像素”是否匹配。

但是，如果没有双循环，您可以进行如下测试：

In [381]: arr = np.random.randint(0,2,(3,6,4))
In [382]: arr.shape
Out[382]: (3, 6, 4)
In [383]: np.isclose(arr,np.array([1,0,0,1]))
Out[383]: 
array([[[ True,  True, False, False],
        [False, False,  True,  True],
        [ True,  True,  True, False],
        [False, False,  True, False],
        [ True, False, False,  True],
        [ True, False, False, False]],

       [[False,  True, False, False],
        [ True,  True,  True, False],
        [ True, False, False,  True],
        [False, False,  True,  True],
        [False,  True,  True, False],
        [False, False,  True,  True]],

       [[False, False, False,  True],
        [ True,  True,  True,  True],
        [ True,  True, False, False],
        [ True, False,  True,  True],
        [False, False, False, False],
        [False, False, False,  True]]])

(由于我使用的是randint arr，所以是int dtype，而==应该和isclose一样好。但下面的情况是一样的。

在最后一个维度上应用all：

In [384]: np.isclose(arr,np.array([1,0,0,1])).all(axis=-1)
Out[384]: 
array([[False, False, False, False, False, False],
       [False, False, False, False, False, False],
       [False,  True, False, False, False, False]])

这里有一个“像素”匹配，我们可以识别：

In [385]: I,J = np.nonzero(_)
In [386]: I,J
Out[386]: (array([2]), array([1]))
In [387]: arr[2,1]
Out[387]: array([1, 0, 0, 1])

或者为这两个数组建立索引：

In [389]: arr[I,J]
Out[389]: array([[1, 0, 0, 1]])

这是一个(n,4)数组，其中n是匹配的数目(可能是0)。我们可以用它来修改arr：

In [390]: arr[I,J]=[1,0,1,0]

现在没有匹配了：

In [391]: np.isclose(arr,np.array([1,0,0,1])).all(axis=-1)
Out[391]: 
array([[False, False, False, False, False, False],
       [False, False, False, False, False, False],
       [False, False, False, False, False, False]])

但是，现在有3个匹配的新值：

In [392]: np.isclose(arr,np.array([1,0,1,0])).all(axis=-1)
Out[392]: 
array([[ True, False, False, False, False, False],
       [False, False, False, False, False, False],
       [False,  True,  True, False, False, False]])
In [393]: arr[_]          # index with the boolean mask
Out[393]: 
array([[1, 0, 1, 0],
       [1, 0, 1, 0],
       [1, 0, 1, 0]])