Python索引器：超出范围

我创建了一个类，我传递了它的一个图像（2D数组，1280x720）。假设它遍历，寻找最高值：

import bumpy as np

class myCv:
    def maxIntLoc(self,image):
        intensity = image[0,0]  #columns, rows
        coordinates = (0,0)
        for y in xrange(0,len(image)):
            for x in xrange(0,len(image[0])):
                if np.all(image[x,y] > intensity):
                    intensity = image[x,y]
                    coordinates = (x,y)
        return (intensity,coordinates)

但当我运行它时，我得到了错误：

if np.all(image[x,y] > intensity):
IndexError: index 720 is out of bounds for axis 0 with size 720

任何帮助都会很好，因为我是Python新手

谢谢，

---

Shaun

在python中，与大多数编程语言一样，索引从

0

开始

因此，您只能访问从

0

到

719

的像素

---

使用调试打印检查

len（image）

和

len（image[0]）

是否确实返回1280和720。

不管您遇到的索引错误（其他人已经解决了这个问题），通过像素/体素进行迭代都不是处理图像的有效方法。这一问题在多维图像中变得尤为明显，因为在多维图像中，你面对的是现实

正确的方法是在支持向量化的编程语言（例如Python、Julia、MATLAB）中使用向量化。通过这种方法，您将更高效地（而且速度快数千倍）实现所需的结果。了解更多有关矢量化（也称为数组编程）的信息。在Python中，这可以通过使用生成器来实现，生成器不适用于图像，因为它们在调用之前不会真正生成结果；或者使用

NumPy

数组

以下是一个例子：

矢量化掩模图像矩阵

来自numpy.random import randint
从matplotlib.pyplot导入图形、imshow、标题、网格、显示
def面罩img（img、脱粒、更换）：
#用于遮罩的图像副本。使用|.copy（）|对于
#防止内存映射。
蒙版=初始图像。复制（）
#替换是指替换任何
#（在这种情况下）低于阈值。
蒙版[初始图像应该是
图像[x，y]
或
图像[y，x]
？你为什么要遍历整个图像？你考虑过改用矢量化吗？@PouriaHadjibagheri谢谢你的评论，我现在正在研究矢量化。我正在为你写一个例子。请稍等几分钟。：）非常欢迎。它让生活更轻松（更快）用于分析图像。顺便说一下，如果要将现有变量转换为向量，可以使用
numpy.array
。
from numpy.random import randint
from matplotlib.pyplot import figure, imshow, title, grid, show

def mask_img(img, thresh, replacement):
    # Copy of the image for masking. Use of |.copy()| is essential to 
    # prevent memory mapping.
    masked = initial_image.copy()

    # Replacement is the value to replace anything that 
    # (in this case) is bellow the threshold. 
    masked[initial_image<thresh] = replacement  # Mask using vectorisation methods.

    return masked

# Initial image to be masked (arbitrary example here).
# In this example, we assign a 100 x 100 matrix of random integers 
# between 1 and 256 as our sample image. 
initial_image = randint(0, 256, [100, 100])  
threshold = 150  # Threshold

# Masking process.
masked_image = mask_img(initial_image, threshold, 0)

# Plots.
fig = figure(figsize=[16,9])

fig.add_subplot(121)
imshow(initial_image, interpolation='None', cmap='gray')
title('Initial image')
grid('off')

fig.add_subplot(122)
imshow(masked_image, interpolation='None', cmap='gray')
title('Masked image')
grid('off')

show()