从 3D numpy 像素数组中删除空的“行”和“列”

Question

我基本上想用 numpy 裁剪图像——我有一个 3 维numpy.ndarray对象，即：

[ [0,0,0,0], [255,255,255,255], ....]
  [0,0,0,0], [255,255,255,255], ....] ]

我想删除空格，在上下文中，它是[0,0,0,0].

对于这个例子，让每个像素只是一个数字，我试图基本上做到这一点：

鉴于此：*编辑：选择一个稍微复杂的例子来澄清

[ [0,0,0,0,0,0] [0,0,1,1,1,0] [0,1,1,0,1,0] [0,0,0,1,1,0] [0,0,0,0,0,0]]

我正在尝试创建这个：

[ [0,1,1,1], [1,1,0,1], [0,0,1,1] ]

我可以用循环来暴力破解，但直觉上我觉得 numpy 有更好的方法来做到这一点。

Answer 1

通常，您需要查看scipy.ndimage.label并scipy.ndimage.find_objects提取满足条件的连续区域的边界框。

但是，在这种情况下，您可以使用“普通”numpy 轻松完成。

我假设你nrows x ncols x nbands在这里有一个数组。的另一个约定nbands x nrows x ncols也很常见，所以看看你的数组的形状。

考虑到这一点，您可能会执行类似以下操作：

mask = im == 0
all_white = mask.sum(axis=2) == 0
rows = np.flatnonzero((~all_white).sum(axis=1))
cols = np.flatnonzero((~all_white).sum(axis=0))

crop = im[rows.min():rows.max()+1, cols.min():cols.max()+1, :]

对于您的 2D 示例，它看起来像：

import numpy as np

im = np.array([[0,0,0,0,0,0],
               [0,0,1,1,1,0],
               [0,1,1,0,1,0],
               [0,0,0,1,1,0],
               [0,0,0,0,0,0]])

mask = im == 0
rows = np.flatnonzero((~mask).sum(axis=1))
cols = np.flatnonzero((~mask).sum(axis=0))

crop = im[rows.min():rows.max()+1, cols.min():cols.max()+1]
print crop

让我们稍微分解一下 2D 示例。

In [1]: import numpy as np

In [2]: im = np.array([[0,0,0,0,0,0],
   ...:                [0,0,1,1,1,0],
   ...:                [0,1,1,0,1,0],
   ...:                [0,0,0,1,1,0],
   ...:                [0,0,0,0,0,0]])

好的，现在让我们创建一个满足我们条件的布尔数组：

In [3]: mask = im == 0

In [4]: mask
Out[4]:
array([[ True,  True,  True,  True,  True,  True],
       [ True,  True, False, False, False,  True],
       [ True, False, False,  True, False,  True],
       [ True,  True,  True, False, False,  True],
       [ True,  True,  True,  True,  True,  True]], dtype=bool)

另外，请注意~运算符logical_not在布尔数组上的功能：

In [5]: ~mask
Out[5]:
array([[False, False, False, False, False, False],
       [False, False,  True,  True,  True, False],
       [False,  True,  True, False,  True, False],
       [False, False, False,  True,  True, False],
       [False, False, False, False, False, False]], dtype=bool)

考虑到这一点，要找到所有元素都为假的行，我们可以跨列求和：

In [6]: (~mask).sum(axis=1)
Out[6]: array([0, 3, 3, 2, 0])

如果没有元素为 True，我们将得到 0。

与查找所有元素都为假的列类似，我们可以跨行求和：

In [7]: (~mask).sum(axis=0)
Out[7]: array([0, 1, 2, 2, 3, 0])

现在我们需要做的就是找到第一个和最后一个不为零的。 np.flatnonzero比 容易一点nonzero，在这种情况下：

In [8]: np.flatnonzero((~mask).sum(axis=1))
Out[8]: array([1, 2, 3])

In [9]: np.flatnonzero((~mask).sum(axis=0))
Out[9]: array([1, 2, 3, 4])

然后，您可以根据最小/最大非零元素轻松切出区域：

In [10]: rows = np.flatnonzero((~mask).sum(axis=1))

In [11]: cols = np.flatnonzero((~mask).sum(axis=0))

In [12]: im[rows.min():rows.max()+1, cols.min():cols.max()+1]
Out[12]:
array([[0, 1, 1, 1],
       [1, 1, 0, 1],
       [0, 0, 1, 1]])