Python 多幅图像的时间中值图像

除了使用

np.median（array）

计算每个像素的中值外，还有其他方法计算多幅图像的中值吗

---

我知道已经有了，但这是3年前的事了，可能发生了什么

下面是一个将3个玩具图像放入（高度）x（宽度）x（图像数）数组的示例，然后沿（图像数）轴调用

numpy.median

（如果图像按时间顺序排列，则该轴将是时间轴）

第4-7行由

numpy.dstack

函数方便地处理。这相当于：

images = np.dstack((img1, img2, img3))

---

这是通常的方式2D图像读取到一个列表或读取顺序从文件将被附加，以增加数据结构的增量。虽然，通常情况下，预分配零块并在加载时按顺序插入数据更有效。

时间中值图像被定义为整个时间图像序列的像素级中值。在某种程度上，如果不计算像素级的中间值，你就无法计算它（除非你使用某种近似技术，但如果计算起来像一组有序序列的中间值一样便宜，很难想象你为什么要这样做）。如果你有一些代码来说明这个计算是如何组织的，我们也许可以就是否可以更有效地组织它给出一些建议，即使存在相同的基本操作。@F先生，我正在考虑将每个图像转换为1D数组，并使用两个

for

循环获取该位置的每个值，将它们放在新的1D数组上以计算中值，然后将结果放在另一个1D数组上，即中值图像，然后使用

np.reformate（）

将其重新整形为2D。有什么更好的方法吗？

numpy

允许矢量化计算，因此如果您设置一个类似（高度）x（宽度）x（时间）的3D数组，那么您可以告诉

numpy

在第三轴上取中值，它会自动解释为像素级中值。您不应该使用任何for循环来表示这一点，它应该只涉及对

中值的单个调用。由于
numpy
实现了低级优化，这将比您尝试的任何手动实现都要快。感谢您帮助优化我的代码。当你在
np.mean（）
中谈到使用轴的矢量化计算时，我对它做了一些修改，最终得到了
np.median（[img1，img2，img3]，axis=0）
，与你使用
np.median（np.dstack（（img1，img2，img3）），axis=2）的方法类似。
小心，
np.median
返回
float
s。如果要使用OpenCV进一步处理它，可能需要将其强制转换为
np.uint8
。（例如，
imshow
）@TomaszGandor您必须非常小心，因为整数数组的中值本身可能不是整数（因为对于偶数基数，中值将是中间两个的平均值，而这两个整数的平均值本身可能不是整数）。在某些不可接受的情况下，强制转换为整数类型可能会有损，您可能更喜欢应用舍入，或增加颜色表示的位大小。
images = np.dstack((img1, img2, img3))