python - 对相同大小的图像进行逐像素比较，以找到每个像素最常见的颜色

Question

假设我有一张图片转换成一个数组

data1= numpy.asarray(source1.png) 
data2= numpy.asarray(source2.png)
data3= numpy.asarray(source3.png)
data4= numpy.asarray(source4.png)
data5= numpy.asarray(source5.png)

据我所知，如果我要 print(data1)我会得到一个数组，显示每个给定位置的每个像素的 RGB 值。

现在我想比较所有数组 data1, data2, data3, data 4, data5并找出最常出现的每个像素的RGB值并将其输出为新的Array/Picture

举个例子:
对于位置 X1Y1 和 X2Y1，数组看起来像这样

data1= [[0 0 255], [0 1 0]]
data2= [[0 0 255], [0 1 0]]
data3= [[0 0 255], [0 1 0]]
data4= [[0 0 254], [0 1 0]]
data5= [[0 0 254], [0 1 0]]

如 [(0,0,255)]是位置 X1Y1 和 X2Y1 的最常见值，新数组将保存为 avg= [(0, 0, 255), (0, 1, 0)]
有没有可以做到这一点的功能？我是否正确理解数组？

Answer 1

您可以将 rgb 值转换为单个以 16 为基数的整数并使用 np.unique找到这样的重复项:

def rgb_to_base16(rgb):
    return int('0x{0:02X}{1:02X}{2:02X}'.format(*rgb), 16)

def base16_to_rgb(base16):
    return np.array([base16 >> 16, base16 >> 8 & 0xFF, base16 & 0xFF])

def find_most_common(values):
    unique_values, counts = np.unique(values, return_counts=True)
    if len(unique_values) == len(values):
        return [255, 255, 255]
    else:
        return base16_to_rgb(unique_values[np.argmax(counts)])

stacked = np.stack((img_1, img_2, img_3, img_4), axis=2)

hexified = np.apply_along_axis(rgb_to_base16, 
                               axis=-1, 
                               arr=stacked).astype(np.int)

most_common = np.apply_along_axis(lambda values: find_most_common(values), 
                                  axis=-1, 
                                  arr=hexified).astype(np.uint8)

假设您想分别比较 r、g 和 b 值的原始答案:

您可以使用 np.bincount 获得最常出现的值。和 np.argmax ，您可以使用 np.apply_along_axis 将其应用于堆叠图像阵列的最后一个轴:

stacked = np.stack((img_1, img_2, img_3), axis=3)
most_common = np.apply_along_axis(lambda x: np.argmax(np.bincount(x)), axis=-1, arr=stacked).astype(np.uint8)

请注意，如果这些 r、g 和 b 都没有出现超过一次并且 np.bincount，则此方法将返回每个 r、g 和 b 的最低值。仅适用于非负整数。

如果你想为 r、g 和 b 中的每一个返回一个自定义值，如果它们都没有重复，你可以将此行为定义为函数而不是 lambda 表达式:

def find_most_common(values):
    most_common = np.argmax(np.insert(np.bincount(values), 0, 1))
    if most_common == 0:
        return 125
    else:
        return most_common - 1

most_common = np.apply_along_axis(lambda values: find_most_common(values), axis=-1, arr=stacked).astype(np.uint8)

在这里，我们在 bin-counts 前面加上一个 1，以便 argmax如果其他值都没有出现一次以上，则将返回 0。