python - 在 numpy 中实现规范化过滤器的好方法

Question

我对 Numpy 数组的内存模型不是很熟悉。是否有更有效的方法(或“更好的做法”)来计算图像的规范化版本？也就是说，对于每个像素 r+g+b == 1 的图像。

也许使用更面向矩阵的方法？这样的过滤器有名字吗？

这是我目前的代码(忽略被零除的错误):

def normalize(image):
    lines, columns, depth = image.shape
    normalized = np.zeros(image.shape)
    for i in range(lines):
            for j in range(columns):
                    normalized[i,j] = image[i,j] / float(np.sum(image[i,j]))
    return normalized

其中图像是深度为 3 的 np.array。

谢谢

Answer 1

利用 numpy 的 broadcasting rules 可以更有效地完成此操作

>>> import numpy as np
>>> image = np.random.random(size=(3,4,5))
>>> sums = image.sum(axis=2)
>>> sums.shape
... (3, 4)
>>> normalized  = image / sums[:, :, None] #same as image / sums[:, :, np.newaxis]
>>> normalized.sum(axis=2)
... array([[ 1.,  1.,  1.,  1.],
...        [ 1.,  1.,  1.,  1.],
...        [ 1.,  1.,  1.,  1.]])

如果您担心内存问题，并且不需要原始图像，您可以就地对其进行归一化

>>> image /= image.sum(axis=2)[:, :, None]

作为函数:

def normalize(image, inplace=False):
    if inplace:
        image /= image.sum(axis=2)[:, :, None]
    else:
        return image / image.sum(axis=2)[:, :, None]