python - 如何将 bool 类型的 numpy 数组压缩为 uint8，大小为 1/8

Question

我想“压缩”一大堆大小为 (Ny, Nx) 的 bool 值。将它们转换为大小为 (Ny, Nx//8) 的 uint8 数组的最快方法是什么，其中每个 bool 平面都存储在 uint8 的下一位中？

到目前为止我已经实现了这个:

import numpy as np

def compressImage(imdata):

    imdatashape = imdata.shape
    imdata_4d = imdata

    imdata_4d.shape = *imdatashape[:-1], imdatashape[-1]//8,8
    compressed_image = np.zeros(imdata_4d.shape[:-1], np.uint8)
    # take every image and add it with the right bit shift to the final image
    for i in range(8):
        compressed_image += imdata_4d[...,i] << i
    return compressed_image


imdata = np.random.randint(0,1, (500, 1600,2560), dtype=np.uint8)
imcompressed = compressImage(imdata)

现在，这并不是特别快，在我的 PC 上，转换 8 个大小为 1600x2560 的图像大约需要 77 毫秒(我想转换约 25000 个图像)。我想这将是一个非常简单的操作，所以应该有一个闪电般快速的实现，对吗？我认为最好的方法可能是使用 numpy View ，但 numpy bool 类型也存储为字节，因此这是行不通的。

上下文:我正在使用数字微镜设备，它是某种仅具有二进制级别 [0,1] 的快速显示器。您必须提前上传所有想要显示的图案。为了节省 PC 和设备上的内存，设备支持上传“压缩”图像。在本例中，您上传一个 uint8 数组，但它将使用每个 uint8 字节内的每一位来计算接下来八个镜像的级别，而不是仅一个。

Answer 1

使用np.packbits:

np.packbits(imdata,axis=-1,bitorder="little")