python - 在 python 中使用 for 循环将 skimage.filters.threshold_otsu() 应用于图像/数组中的段列表时遇到问题

Question

我的问题清楚地解释如下:

import numpy as np
from skimage.util.shape import view_as_blocks
from skimage.filters import threshold_otsu

我已将灰度图像读取为数组“arr”，其形状为:

>>arr.shape

(10000, 15200)

我将该图像分割成 25*38 的 block 。其中，每个 block 都有 400*400 像素，使用:

>>img= view_as_blocks(arr, block_shape=(400,400))
>>img.shape
(25, 38, 400, 400)

现在，当我使用threshold_otsu()分别查找每个段的阈值时，我得到这些值:

print(threshold_otsu(img[11,6],16))
-14.606459

print(threshold_otsu(img[11,7],16))
-15.792943

print(threshold_otsu(img[11,11],16))
-15.547393

print(threshold_otsu(img[12,16],16))
-16.170353

但是当我使用for循环一次获取所有阈值时，我得到了不同的值。

>>crdf
array([[11,  6],
       [11,  7],
       [11, 11],
       [12, 16],
       [10,  9],
       [21, 26],
       [15, 15],
       [12, 17],
       [12, 12],
       [14, 10],
       [20, 26]], dtype=int64) 

>>for i in range(0,4):
    >>print(threshold_otsu(img[crdf[i]],16))

-14.187654
-14.187654
-14.187654
-13.238304

我在for循环中犯了什么错误吗？如果没有，为什么当我分别对每个段进行操作时以及当我使用 for 循环对相同的相应段进行迭代时，我会得到不同的阈值。

Answer 1

当您使用一个 Numpy 数组索引另一个 Numpy 数组时，您会触发 advanced indexing ，它的工作方式与基本索引不同，因此会产生您意想不到的结果。

为了使用基本索引，您需要确保使用逗号分隔的整数或标准 Python 元组进行索引。

因此，一个快速解决方案是将索引转换为元组:

img[tuple(crdf[i])]

但最好不要使用 Numpy 数组作为索引列表。如果您不对索引进行批量数学运算，或者您的索引列表很短，则将其设为数组不会在性能上获得任何好处，甚至可能会因为创建初始数组并将其转换回元组的开销而损失一些性能稍后。

尝试一个简单的索引对列表，其中索引对本身就是元组:

crdf = [
    (11,  6),
    (11,  7),
    (11, 11),
    (12, 16),
    (10,  9),
    (21, 26),
    (15, 15),
    (12, 17),
    (12, 12),
    (14, 10),
    (20, 26)
]

# then you can iterate and index directly, without conversion:

for i in range(0, 4):
    print(threshold_otsu(img[crdf[i]], 16))

# or even like this, which is usually more idiomatic and easier to read:

for pair in crdf[:4]:
    print(threshold_otsu(img[pair], 16))

如果您通过其他处理收到了 crdf 并且它已经是一个 Numpy 数组，您还可以先将其一次性转换为元组列表:

crdf = [tuple(pair) for pair in crdf]