使用 python 如何在坐标可用的情况下访问数组中的 'n' no.of 段并对其进行算术运算？

Question

下面的例子清楚地说明了我的问题：

假设他们是一个数组'arr'

 >>import numpy as np
 >>from skimage.util.shape import view_as_blocks
 >>arr=np.array([[1,2,3,4,5,6,7,8],[1,2,3,4,5,6,7,8],[9,10,11,12,13,14,15,16],[17,18,19,20,21,22,23,24]])
  >>arr
  array([[ 1,  2,  3,  4,  5,  6,  7,  8],
           [ 1,  2,  3,  4,  5,  6,  7,  8],
           [ 9, 10, 11, 12, 13, 14, 15, 16],
           [17, 18, 19, 20, 21, 22, 23, 24]])

我使用 :

将这个数组分割成 2*2 个块

>>img= view_as_blocks(arr, block_shape=(2,2))
>>img
array([[[[ 1,  2],
         [ 1,  2]],

        [[ 3,  4],
         [ 3,  4]],

        [[ 5,  6],
         [ 5,  6]],

        [[ 7,  8],
         [ 7,  8]]],


       [[[ 9, 10],
         [17, 18]],

        [[11, 12],
         [19, 20]],

        [[13, 14],
         [21, 22]],

        [[15, 16],
         [23, 24]]]])

我还有一个数组"cor"

>>cor
(array([0, 1, 1], dtype=int64), array([2, 1, 3], dtype=int64))

在"cor"中，第一个数组（[0,1,1]）给出行的坐标，第二个数组（[2,1,3]）按顺序给出相应列的坐标。

现在我的工作是访问位置坐标为[0,2]、[1,1]和[1,3]的img片段（取自"cor"。x来自第一个数组和相应的y 来自第二个数组）通过读取 "cor".

自动

在上面的例子中

img[0,2]= [[ 5,  6],    img[1,1]= [[11, 12],        img[1,3]=[[15, 16],
           [ 5,  6]],              [19, 20]]                  [23, 24]]

然后分别求每个段的平均值。

ie. img[0,2]=5.5  img[1,1]=15.5 img[1,3]=19.5

现在，检查它的平均值是否小于整个数组的平均值"img"。此处，img 的平均值为 10.5。因此只有 img[0,2] 的平均值小于 10.5。 因此，最后 return 段 img[0,2] 的坐标，即 [0,2] 作为输出 按顺序排列，如果在任何其他大数组中存在更多段。

##expected output for above example:
[0,2]

Answer 1

我们只需要使用 cor 进行索引并执行那些 mean 计算（沿着最后两个轴）并检查 -

# Convert to array format
In [229]: cor = np.asarray(cor)

# Index into `img` with tuple version of `cor`, so that we get all the
# blocks in one go and then compute mean along last two axes i.e. 1,2.
# Then compare against global mean - `img.mean()` to give us a valid
# mask. Then index into columns of `cor with it, to give us a slice of
# valid `cor`. Finally transpose, so that we get per row valid indices set.
In [254]: cor[:,img[tuple(cor)].mean((1,2))<img.mean()].T
Out[254]: array([[0, 2]])

另一种设置方法是拆分索引 -

In [235]: r,c = cor

In [236]: v = img[r,c].mean((1,2))<img.mean() # or img[cor].mean((1,2))<img.mean()

In [237]: r[v],c[v]
Out[237]: (array([0]), array([2]))

与第一种方法相同，唯一的区别是使用拆分索引索引到 cor 并获得最终索引。

或者精简版-

In [274]: np.asarray(cor).T[img[cor].mean((1,2))<img.mean()]
Out[274]: array([[0, 2]])

在此解决方案中，我们直接输入 cor 的原始元组版本，其余与方法#1 相同。

使用 python 如何在坐标可用的情况下访问数组中的 'n' no.of 段并对其进行算术运算？

Using python how to access and do arthematic operations on 'n' no.of segments in an array if their coordinates are available?

python

numpy

multidimensional-array

image-segmentation

numpy-ndarray