如何根据索引和值有效更新np数组？

我有一个太阳的图像，我发现中心和半径，现在我想处理像素不同，如果他们是在磁盘内部或外部。理想的解决方案将是插入处理函数的参数，以便顺利地从磁盘过渡到背景。如何根据索引和值有效更新np数组？

这是我现在在做什么：

for index,value in np.ndenumerate(sun_img): 
    if distance.euclidean(index,center) > radius: 
     sun_img[index] = processing_function(index,value)

喜欢这个工作，但它永远需要计算图像。我相信有一个更有效的方法来做到这一点。你会如何解决这个问题？

图像形状是左右（1000，1000） Processing_function基本上不会做任何事情现在：值+ = 1

该函数应该是这样的非线性“阶跃函数” 0.0值直到半径和1.0 5px之后。例如：_______ /''''''''''''''乘以像素的值。斜率应该在半径的值上。我想，以增强突起

来源

2017-10-19 RobiNoob

我仍然必须编写函数，现在它正在执行value + = 1来查看会发生什么。这需要一个世纪。图像大约是（1k * 1k） – RobiNoob

不，灰度，dtype np.float64 – RobiNoob

'radius'和'center'，那些标量是什么？ – Divakar

这里做到这一点是一个量化的方式利用NumPy broadcasting -

m,n = sun_img.shape 
I,J = np.ogrid[:m,:n]  
sq_dist = (I - center[0])**2 + (J - center[1])**2 
valid_mask = sq_dist > radius**2

现在，对于一个processing_function，只是增加了1到有效的地方，由IF-conditional定义，做 -

sun_img[valid_mask] += 1

如果您需要实现与processing_function那东东的自定义操作DS的行，列的索引，使用np.where获得这些索引，然后通过有效元素迭代，就像这样 -

r,c = np.where(valid_mask) 
for index in zip(r,c): 
    sun_img[index] = processing_function(index,sun_img[r,c])

如果你有很多这样的有效的地方，然后计算r,c可能会使事情慢。在这种情况下，直接使用mask，像这样 -

for index,value in np.ndenumerate(sun_img): 
    if valid_mask[index]: 
     sun_img[index] = processing_function(index,value)

相比原来的代码，好处是我们之前进入循环的条件值预先计算。最好的办法是自己矢量化processing_function，以便它可以处理更大的数据块，但这取决于它的实现。

来源

2017-10-19 11:13:54 Divakar

我现在正在吃午餐，所以我不能尝试它，但为什么你会认为这样更有效率？我的意思是np.where减少了for的像素数量，但数量级相同，并且以相同的方式访问像素 – RobiNoob

@RobiNoob因为您正在执行'distance.euclidean（index，center ）> radius：'在一个循环中，建议的方法以向量化的方式进行。再说一次，如果你的'processing_function'计算量比这个大得多，当然你可能看不到很大的好处。这就是为什么我在开始时询问是否可以共享'processing_function'的实现。 – Divakar

好的，我回来了，我会试试这个。该函数应该是类似非线性的“阶跃函数”，其值为0.0，直到半径为1。0后5px。例如：_______ /''''''''''''''乘以像素的值。斜率应该在半径的值上。我想这样做是为了增强突起 – RobiNoob

如何根据索引和值有效更新np数组？

回答

相关问题