基于值将标量映射到数组:图像处理2D到3D - NumPy / Python

Question

给定形状(height, width)的Numpy矩阵，我正在寻找最快的方法来创建形状(height, width, 4)的另一个Numpy矩阵，其中4表示RGBA值。我想做这个基于值的工作；因此，对于第一个矩阵中所有的0值，我希望在第二个矩阵中的同一位置有一个[255, 255, 255, 0]值。

我想用NumPy来做这件事，而不需要像下面这样缓慢地迭代：

for i in range(0, height):
    for j in range(0, width):
        if image[i][j] = 0:
            new_image[i][j] = [255, 255, 255, 0]
        elif image[i][j] = 1:
            new_image[i][j] = [0, 255, 0, 0.5]

如您所见，我正在创建一个矩阵，其中值0变为透明白色，1变为绿色，α为0.5；是否有更快的NumPy解决方案？

我猜想numpy.where会极大地帮助加速这个过程，但是我还没有找到多个和多个值转换的适当实现。

Answer 1

对于一个更干净的解决方案，特别是在处理多个标签时，我们可以使用np.searchsorted来追溯映射的值，如下所示-

# Edit to include more labels and values here            
label_ar = np.array([0,1]) # sorted label array
val_ar = np.array([[255, 255, 255, 0],[0, 255, 0, 0.5]])

# Get output array
out = val_ar[np.searchsorted(label_ar, image)]

请注意，这假定来自image的所有唯一标签都在label_ar中。

那么，假设我们在2和3的image中又有两个标签，类似这样的东西-

for i in range(0, height):
    for j in range(0, width):
        if image[i,j] == 0:
            new_image[i,j] = [255, 255, 255, 0]
        elif image[i,j] == 1:
            new_image[i,j] = [0, 255, 0, 0.5]
        elif image[i,j] == 2:
            new_image[i,j] = [0, 255, 255, 0.5]
        elif image[i,j] == 3:
            new_image[i,j] = [255, 255, 255, 0.5]

我们将相应地编辑标签和值，并使用相同的searchsorted解决方案-

label_ar = np.array([0,1,2,3]) # sorted label array
val_ar = np.array([
    [255, 255, 255, 0],
    [0, 255, 0, 0.5],
    [0, 255, 255, 0.5],
    [255, 255, 255, 0.5]])

Answer 2

你是对的，np.where是你解决这个问题的方法。哪里是一个矢量化函数，所以它应该比您的解决方案快得多。

我在这里假设，这里没有我所知道的elif，但是您可以通过嵌套where语句来解决这个问题。

 new_image = np.where(
           image == 0,
           [255, 255, 255, 0],
           np.where(
                image == 1,
                [0, 255, 0, 0.5],
                np.nan
           )
      )