时间戳

首页 > 解决方案 > 使用 numpy 逐像素矢量化 2 个窗口图像集之间的误差计算

python - 使用 numpy 逐像素矢量化 2 个窗口图像集之间的误差计算

问题描述

我正在尝试逐像素（每个图像）计算 2 个窗口图像集之间的误差。为此，我将编码后的 img 的值减去原始 img 的值。之后，我想计算每个像素到 0 的距离（使用 RGB 图像的 3 个维度）。我现在正在搜索的结果是一个与原始数据形状相同但只有一维（l2_matrix）的新矩阵。 

我为此使用的代码是：

n_windows_max, n_imgs_window_max, x_max, y_max, n_dim = diff_matrix.shape

l2_matrix = np.zeros((n_windows_max,n_imgs_window_max,x_max, y_max, 1))

n_window = 0
n_img_window = 0
x_i = 0
y_i = 0

for n_window in range(n_windows_max): # read each window
  for n_img_window in range(n_imgs_window_max): #read all the images of each window
    for x_i in range(x_max): 
      for y_i in range(y_max): 
        a0 = diff_matrix[n_window, n_img_window, x_i, y_i, 0]
        a1 = diff_matrix[n_window, n_img_window, x_i, y_i, 1]
        a2 = diff_matrix[n_window, n_img_window, x_i, y_i, 2]

        a = array([a0, a1, a2])
        l2_matrix[n_window, n_img_window, x_i, y_i, 0] = norm(a)

如您所见，我有一个 5 维矩阵，其中形状为：（窗口数，每个窗口中的图像数，x 轴，y 轴，维度数）。上面的代码工作正常，但我想改进它。我试图对其进行矢量化，但我不知道如何正确地做到这一点（我已经阅读了一些帖子，其中包含如何做到这一点的示例，但这是为了更简单的目的而且我无法将其推断为这个问题）。

标签： pythonimagenumpyvectorization

解决方案

您可以使用 定义要计算范数的轴np.linalg.norm。

例如，这里第一个窗口的第一个图像的第一个三通道像素的范数：

np.linalg.norm(diff_matrix[:1, :1, :1, :1], axis=4)

所以你可以定义l2_matrix为：

l2_matrix = np.linalg.norm(diff_matrix, axis=4)

其中作为 的一个维度n_windows_max, n_imgs_window_max, x_max, y_max。

如果你最后需要那个额外的维度，你可以这样做：

l2_matrix.reshape(*l2_matrix.shape, 1)

推荐阅读