Python 如何将图像集合中的像素（R、G、B）映射到不同的像素颜色值索引？

假设有600个带注释的语义分割掩码图像，其中包含10种不同的颜色，每种颜色代表一个实体。这些图像是一个numpy形状数组（600，3，72，96），其中n=600，3=RGB通道，72=高度，96=宽度

如何将numpy阵列中的每个RGB像素映射到颜色索引值？例如，颜色列表将是[（128，128，0），（240，128，0），…n]，并且numpy数组中的所有（240，128，0）像素将转换为唯一映射中的索引值（=1）

如何以更少的代码高效地实现这一点？我想出了一个解决方案，但速度很慢

# 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)

  # tupleview.shape = (N, H, W, 1); contains tuples [(R, G, B), (R, G, B)]
  tupleview = imgs.reshape(-1, 3).view(imgs.dtype.descr * imgs.shape[3])

  # get unique pixel values in images, [(R, G, B), ...]
  uniques = list(np.unique(tupleview))

  # map uniques into hashed list ({"RXBXG": 0, "RXBXG": 1}, ...)
  uniqmap = {}
  idx = 0
  for x in uniques:
    uniqmap["%sX%sX%s" % (x[0], x[1], x[2])] = idx
    idx = idx + 1
    if idx >= np.iinfo(np.uint16).max:
      raise Exception("Can handle only %s distinct colors" % np.iinfo(np.uint16).max)

  # imgs1d.shape = (N), contains RGB tuples
  imgs1d = tupleview.reshape(np.prod(tupleview.shape))

  # imgsmapped.shape = (N), contains uniques-index values
  imgsmapped = np.empty((len(imgs1d))).astype(np.uint16)

  # map each pixel into unique-pixel-ID
  idx = 0
  for x in imgs1d:
    str = ("%sX%sX%s" % (x[0], x[1] ,x[2]))
    imgsmapped[idx] = uniqmap[str]
    idx = idx + 1

  imgsmapped.shape = (original_shape[0], original_shape[2], original_shape[3]) # (N, H, W)
  return (imgsmapped, uniques)

测试它：

import numpy as np
n = 30
pixelvalues = (np.random.rand(10)*255).astype(np.uint8)
images = np.random.choice(pixelvalues, (n, 3, 72, 96))

(mapped, pixelmap) = unique_map_pixels(images)
assert len(pixelmap) == mapped.max()+1
assert mapped.shape == (len(images), images.shape[2], images.shape[3])
assert pixelmap[mapped[int(n*0.5)][60][81]][0] == images[int(n*0.5)][0][60][81]
print("Done: %s" % list(mapped.shape))

---

这是一种没有错误检查的紧凑矢量化方法-

def unique_map_pixels_vectorized(imgs):
    N,H,W = len(imgs), imgs.shape[2], imgs.shape[3]
    img2D = imgs.transpose(0, 2, 3, 1).reshape(-1,3)
    ID = np.ravel_multi_index(img2D.T,img2D.max(0)+1)
    _, firstidx, tags = np.unique(ID,return_index=True,return_inverse=True)
    return tags.reshape(N,H,W), img2D[firstidx]

运行时测试和验证-

In [24]: # Setup inputs (3x smaller than original ones)
    ...: N,H,W = 200,24,32
    ...: imgs = np.random.randint(0,10,(N,3,H,W))
    ...: 

In [25]: %timeit unique_map_pixels(imgs)
1 loop, best of 3: 2.21 s per loop

In [26]: %timeit unique_map_pixels_vectorized(imgs)
10 loops, best of 3: 37 ms per loop ## 60x speedup!

In [27]: map1,unq1 = unique_map_pixels(imgs)
    ...: map2,unq2 = unique_map_pixels_vectorized(imgs)
    ...: 

In [28]: np.allclose(map1,map2)
Out[28]: True

In [29]: np.allclose(np.array(map(list,unq1)),unq2)
Out[29]: True

---

我有3个频道的图像。我有3个通道的像素值，如果一个像素在其3个通道中有这3个值，那么它属于“a”类。 基本上，我想生成一个通道数组，它的数量等于类的数量，每个类在一个特定的通道中是分开的。 这是可以做到的

seg_channel=np.zero（（image.shape[0]，image.shape[1]，num_类））
pixel_class_dict={'1'：[128,64,128]。'2'：[230,50,140]}num_class=2
对于范围内的通道（num_类）：
像素值=像素等级[str（通道）]
对于范围内的i（image.shape[0]）：
对于范围内的j（image.shape[1]）：
如果列表（图像[i][j]）==像素值：
类_通道[i，j，通道]=1

还有另一种方法可以有效地做到这一点

将numpy导入为np
进口cv2
对于self.pixel\u class\u dict中的class\u id：
class\u color=np.array（self.pixel\u class\u dict:[class\u id]）
seg_channel[：，：，class_id]=cv2.inRange（掩码，class_颜色，class_颜色）。astype（'bool'）。astype（'float32'））

我就是这么做的：

def rgb2mask(img): 
    if img.shape[0] == 3:
       img = img.rollaxis(img, 0, 3) 

    W = np.power(256, [[0],[1],[2]])

    img_id = img.dot(W).squeeze(-1) 
    values = np.unique(img_id)

    mask = np.zeros(img_id.shape)
    cmap = {}

    for i, c in enumerate(values):
        idx = img_id==c
        mask[idx] = i 
        cmap[tuple(img[idx][0])] = i
    return mask, cmap

---

如果您想根据现有的字典映射值，请查看我在该线程上的答案：

hmm。为什么要这样做？似乎只是无缘无故地增加了一步。如果你想用这些颜色索引做任何事情，你必须搜索dict并将它们转换回RGB元组，不是吗？编辑：没关系，我明白了。如果要存储一组图像，存储整数而不是一组元组会更有效，因为您预期一定数量的颜色（10），对吗？是的，颜色的数量是有限的。需要唯一的索引，因为我正在将像素输入预测像素类别的算法，而不是像素颜色。灰度图像（强度为0-10）也可以，但标准工具（=图像查看器、编辑器等）无法轻松显示图像。最后，在预测之后，需要映射回RGB值，是的。实际上，一个数据集的预处理时间从4小时缩短到4分钟：）谢谢！ravel_multi_索引的文档非常稀少，无法真正理解它的作用。最大像素值作为起点意味着什么？据我所知，它以某种方式将这些3元素数组压缩为唯一的整数表示，但这些（大）整数是如何表示的，又代表什么呢？@Mika啊，你真幸运！查看此帖子：