Python 图像叠加的最大强度投影

我正在尝试重新创建函数

max(array, [], 3)

从MatLab，它可以获取由N个图像组成的300x300px图像堆栈（我在这里说“图像”，因为我在处理图像，实际上这只是一个大的双数组），300x300xN，并创建一个300x300数组。我认为这个函数中发生的情况是，如果它运行效率低下，它将解析每个（x，y）点，然后在z轴上从该点获取最大值，然后使用整个数组的最大值和最小值进行规格化

我已经尝试用python和

# Shape of dataset: (300, 300, 181)
# Type of dataset: <type 'numpy.ndarray'>
for x in range(numpy.size(self.dataset, 0)):
    for y in range(numpy.size(self.dataset, 1)):
        print "Point is", x, y
        # more would go here to find the maximum (x,y) value over Z axis in self.dataset

#数据集的形状：（300300181）
#数据集类型：
对于范围内的x（numpy.size（self.dataset，0））：
对于范围内的y（numpy.size（self.dataset，1））：
打印“点是”，x，y
#更多内容将在self.dataset中查找Z轴上的最大（x，y）值

一个非常简单的X，Y迭代器但我的IDE不仅在运行这段代码几毫秒后崩溃，而且感觉很糟糕，效率低下

---

有什么我遗漏的吗？我是Python新手，因此这里的答案对我来说并不清楚。是否存在执行此操作的现有函数？

您应该在问题中发布一个小样本数据集，例如维度10*10*3，这将帮助其他人提供建议。我认为您的问题与return

self.dataset

数组大小有关。你能试试这个吗

dim1=len（self.dataset）dim2=len（self.dataset[0]）dim3=len（self.dataset[0][0]）

以获得正确的数组尺寸。MATLAB的

max

不规范化。在这种情况下，对于

i

和

j

的每个组合，它只取

array（i，j:）

的最大值。与

max（array，[]，3）

等价的Numpy将是

np.amax（array，axis=2）

。这两个函数都没有标准化。

import numpy as np
import matplotlib.pyplot as plt
from skimage import io

path = "test.tif"
IM = io.imread(path)
IM_MAX= np.max(IM, axis=0)
plt.imshow(IM_MAX)