相关疑难解决方法(0)

简而言之，我想做的与这个问题类似：Convert RGB image to index image，但我想要获取 n 通道图像，而不是 1 通道索引图像，其中img[h, w]是 one-hot 编码向量。例如，如果输入图像为[[[0, 0, 0], [255, 255, 255]]，索引 0 分配给黑色，索引 1 分配给白色，则所需的输出为[[[1, 0], [0, 1]]]。

就像上一个人问的问题一样，我天真地实现了这个，但是代码运行得很慢，我相信使用 numpy 的正确解决方案会明显更快。

另外，正如上一篇文章中所建议的，我可以将每个图像预处理为灰度并对图像进行单热编码，但我想要一个更通用的解决方案。

例子

假设我想将白色分配给 0，红色分配给 1，蓝色分配给 2，黄色分配给 3：

(255, 255, 255): 0
(255, 0, 0): 1
(0, 0, 255): 2
(255, 255, 0): 3

，我有一个由这四种颜色组成的图像，其中图像是一个 3D 数组，其中包含每个像素的 R、G、B 值：

[
    [[255, 255, 255], [255, 255, 255], [255,   0,   0], [255,   0,   0]],
    [[  0,   0, …

我有一个rgb语义分段标签，如果其中有3个类，并且每个RGB值是以下之一：

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

然后，我想根据dict将RGB文件中的所有值映射到新的2D标签图像中：

{(255, 255, 0): 0, (0, 255, 255): 1, (255, 255, 255): 2}

之后，新的灰色标签文件中的所有值都是0、1或2之一。是否有解决此问题的有效方法？例如在NumPy中广播。

假设有 600 个带注释的语义分割掩模图像，其中包含 10 种不同的颜色，每种颜色代表一个实体。这些图像位于形状 (600, 3, 72, 96) 的 numpy 数组中，其中 n = 600、3 = RGB 通道、72 = 高度、96 = 宽度。

如何将 numpy 数组中的每个 RGB 像素映射到颜色索引值？例如，颜色列表将为 [(128, 128, 0), (240, 128, 0), ...n]，并且 numpy 数组中的所有 (240, 128, 0) 像素将转换为索引唯一映射中的值 (= 1)。

如何用更少的代码高效地做到这一点？这是我想出的一种解决方案，但速度相当慢。

# Input imgs.shape = (N, 3, H, W), where (N = count, W = width, H = height)
def unique_map_pixels(imgs):
  original_shape = imgs.shape

  # imgs.shape = (N, H, W, 3)
  imgs = imgs.transpose(0, 2, 3, 1)

  # …

我有一个图像，我想从颜色图中更改图像中的所有颜色，例如。{（10,20,212）：（60,40,112）...}

目前，我正在读取图像 OpenCV，然后遍历图像数组并更改每个像素，但这非常慢。

有什么办法可以更快地做到这一点吗？