Python Numpy-使用corrsp填充图像。给定[u,v,I]的数组
我有一个numpy数组,它有一个N*3矩阵Python Numpy-使用corrsp填充图像。给定[u,v,I]的数组,python,numpy,Python,Numpy,我有一个numpy数组,它有一个N*3矩阵[u,v,I]。像素位置和该像素的I强度 我需要从该numpy数组中的像素集生成对应I的填充图像。现在我有一个for循环来完成它,但是它非常慢。什么是更快的方法 dmap_raw = np.zeros((raw_img_size[1], raw_img_size[0])).astype(np.float32) for i in range(0, velodata_cam_proj.shape[0]): u = velodata_cam_proj[
[u,v,I]
。像素位置和该像素的I
强度
我需要从该numpy数组中的像素集生成对应I
的填充图像。现在我有一个for循环来完成它,但是它非常慢。什么是更快的方法
dmap_raw = np.zeros((raw_img_size[1], raw_img_size[0])).astype(np.float32)
for i in range(0, velodata_cam_proj.shape[0]):
u = velodata_cam_proj[i,0]
v = velodata_cam_proj[i,1]
Z = velodata_cam_proj[i,2]
dmap_raw[int(v),int(u)] = Z*100
试试这个:
dmap_raw = np.zeros((raw_img_size[1], raw_img_size[0])).astype(np.float32)
u = velodata_cam_proj[:,0].astype('int')
v = velodata_cam_proj[:,1].astype('int')
Z = velodata_cam_proj[:,2]
dmap_raw[v, u] = Z*100
请用for循环显示您的工作解决方案。这将有助于理解你的问题。好的,我已经添加了for循环