时间戳

首页 > 解决方案 > 处理像素坐标来自行列表的图像的像素值

python - 处理像素坐标来自行列表的图像的像素值

问题描述

我正在从事图像处理（python3）的任务，希望能找到算法的改进。我的任务有两个主要规格：

[[x1 y1 x2 y2]

...

[x1n y1n x2n y2n]]

处理步骤：

  1. 将一条线的所有像素坐标放入列表 (x_i, y_i)
  2. 获取坐标（x_i，y_i）对应的每3幅图像（A，B，C）的像素值（p_x，p_y）。将所有值（p_x，p_y）（分别为A，B，C）求和，然后我有（scoreA，scoreB，scoreC）
  3. 在某些条件下测试（scoreA、scoreB、scoreC），如果不满足则忽略该行。
  4. 用其他行重复这些步骤。

目前，我的想法是创建一个名为“line_obj”的类来存储线路信息。

class line_obj:
    def __init__(self, x1, y1, x2, y2):
        self.x1 = x1
        self.y1 = y1
        self.x2 = x2
        self.y2 = y2
        self.scoreA = 0.0
        self.scoreB = 0.0     
        self.scoreC = 0.0

然后我创建一个 line_obj(s) 列表，其中包含每一行的信息。之后，我对上述所有任务使用 for 循环。

for line_obj in line_obj_list:
  #line() method from scikit-image library to retrieve pixel coordinates of a line
    rr, cc = line(line_obj.y1, line_obj.x1, line_obj.y2, line_obj.x2)
    line_obj.scoreA = A[rr,cc].sum()
    line_obj.scoreB = B[rr,cc].sum()
    line_obj.scoreC = C[rr,cc].sum()

对于这个任务，我需要让它尽可能快，不确定它是否被优化。你能给我一个更好的主意吗？谢谢吨。

标签： pythonnumpyopencvimage-processingscikit-image

解决方案

我实际上不了解您的坐标数据的结构。你说这是一个 numpy 数组，但你写的是一个平面坐标列表。不管是什么，最好将其转换为numpy。如果想象你有以下数据：

import numpy as np
A = np.random.randint(0, 255, (1024, 1024)) #1024 is just example pic size
B = np.random.randint(0, 255, (1024, 1024)) #1024 is just example pic size
C = np.random.randint(0, 255, (1024, 1024)) #1024 is just example pic size

coords = np.random.randint(0, 1023, (200, 4)) #assuming you have 200*2 coords or whatever size the scikit outputs 
#Here I'm assuming x is the rows and y is columns  
A_pix_values_c1 = A[coords[:, 0], coords[: , 1]]  #c1 is coords 1
A_pix_values_c2 = A[coords[:, 2], coords[: , 3]]  #c2 is coords 2
B_pix_values_c1 = B[coords[:, 0], coords[: , 1]]
B_pix_values_c2 = B[coords[:, 2], coords[: , 3]]
C_pix_values_c1 = C[coords[:, 0], coords[: , 1]]
C_pix_values_c2 = C[coords[:, 2], coords[: , 3]]

现在我在猜测，因为我不太了解您要做什么。我假设您想将每个图像的两个坐标的像素值相加。

scoreA = A_pix_values_c1 + A_pix_values_c2
scoreB = B_pix_values_c1 + B_pix_values_c2
scoreC = C_pix_values_c1 + C_pix_values_c2

最好尽可能避免循环。我对 scikit 图像不太熟悉，但是如果您可以一次将所有行放在一个数组中，那么最好这样做，然后应用上述方法而不是循环遍历。对于测试，您可以使用多种方式的 numpy 数组，例如

final_scoreA = scoreA[scoreA_condition]

推荐阅读