Numpy 最快的 3D 到 2D 投影

Question

我有一个二进制数据的 3D 数组。我想将其投影到 3 个 2D 图像 - 侧面，正面，鸟瞰图。

我写了代码：

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

但是对于 ~700x300x300 矩阵来说，这太慢了（75 秒！）。

完成此任务最快的方法是什么？

编辑：

为了保存图像，我使用了：

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

Answer 1

您可以按如下方式计算：

>>> 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)
>>>

如果需要，您可以缩放值

>>> 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 2

当我有 3D 数据时，我倾向于将其视为 'cube' 具有行、列和切片 - 或面板的 2D 图像。每个切片或面板都是尺寸为 (rows, cols) 的二维图像。我通常是这样想的：

with (0,0,0) 在 front 切片的左上角。使用 numpy 索引，只需 select 您感兴趣的 3D 数组部分 就非常容易 而无需编写自己的循环 :

>>> 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

看看前面的样子：

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

Answer 3

前段时间我写了以下内容作为 3D 阵列的可视化辅助工具。也是一个很好的学习练习。

# 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)

转换为：

[[[ 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]]]

为此：

  / 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  /

希望对大家有所帮助。

Numpy 最快的 3D 到 2D 投影

Numpy fastest 3D to 2D projection

python

arrays

optimization

numpy