python - 两个图像之间重叠标签的计数 - Python/NumPy

Question

我正在尝试使用 opencv 来解决以下问题。作为输入，我将有两个 png 文件，每个像素设置为 0 到 10 之间的值。对于 11 个值中的每一个，我想查看两个输入文件之间有多少像素重叠。例如，假设 img1.png 的像素 (0,0) 到 (0,26) 设置为值 3。img2.png 的像素 (0,2) 到 (0,30) 和 (1,0) 到(1,5) 设置为 3。因此 img1 有 27 个像素设置为 3。img2 有 35 个像素设置为 3。其中，有 25 个重叠像素，即从 (0,2) 到 ( 0,26).

我想要的是一种快速提取此信息的方法:值 0-10 有多少像素重叠？每个图像有多少个像素值 0-10？使用此信息，我想为每个值制定某种重叠分数。

我天真地知道，我可以逐个像素地查看每张图像，然后使用累加器计算这些信息。但这似乎会很慢，而且 opencv 允许对图像进行 numpy 数组索引，所以我知道可能有一种方法可以加快这些计算。但是，我不熟悉 opencv 或 numpy，也不太清楚如何去做。

目前正在查看此作为引用:http://docs.opencv.org/3.0-beta/doc/py_tutorials/py_core/py_basic_ops/py_basic_ops.html

Answer 1

方法 #1:第一种方法包括以下步骤:

• 获取两个数组(图像数组)之间相等的掩码。

• 获取其中一个数组与标签范围之间的相等掩码。

• 最后得到前两步得到的两个数组之间的张量和约简，得到所有标签的计数。

因此，我们将有一个矢量化解决方案 ab - 使用 NumPy broadcasting和 np.einsum对于张量和减少，就像这样 -

def overlap_count(a, b, num_label):
    eq_mask = a==b
    id_mask = a == np.arange(num_label)[:,None, None]
    count = np.einsum('ij,aij->a',eq_mask, id_mask.astype(int))
    return count

sample 运行-

In [95]: a
Out[95]: 
array([[0, 1, 2, 1],
       [2, 0, 2, 2],
       [0, 1, 1, 0]])

In [96]: b
Out[96]: 
array([[0, 0, 1, 1],
       [1, 1, 1, 0],
       [1, 0, 1, 0]])

In [97]: overlap_count(a, b, num_label=3)
Out[97]: array([2, 2, 0])

方法#2:我们可以通过np.bincount改进第一种方法的内存效率和性能。 .这个想法是 - 我们可以避免创建巨大的数组 id_mask，而是对 eq_mask 的缩放版本进行计数。此缩放版本将按其中一个数组的值缩放。现在，这将对标记为 0 的像素进行更多计数，因此我们将分别对它们进行计数。

因此，第二种方法看起来像这样 -

def overlap_count_improved(a, b, num_label):
    eq_mask = a==b
    r = a * eq_mask
    count = np.bincount(r.ravel())
    count[0] = (eq_mask*(a == 0)).sum() 
    # or count[0] = np.einsum('ij,ij->', eq_mask, (a==0).astype(int))
    return count