两个图像之间重叠标签的计数-Python/NumPy

我正在尝试使用opencv解决以下问题。作为输入，我将有两个png文件，每个像素设置为0到10之间的值。对于11个值中的每一个，我想看看两个输入文件之间有多少像素重叠。例如，假设img1.png的像素（0,0）到（0,26）设置为3。img2.png将像素（0,2）到（0,30）和（1,0）到（1,5）设置为3。因此img1将27个像素设置为3。img2将35个像素设置为3。其中，有25个重叠像素，即从（0,2）到（0,26）的像素

我想要的是一种快速提取信息的方法：0-10的值有多少像素重叠？每个图像有多少像素的值为0-10？利用这些信息，我想为每个值制定某种重叠分数

我很天真地知道，我可以逐像素地查看每张图像，并使用累加器计算这些信息。但是这看起来会非常慢，opencv允许对图像进行numpy数组索引，所以我知道可能有一种方法可以加速这些计算。然而，我对opencv或numpy不太熟悉，也不太确定如何进行

目前将此作为参考：

方法#1:第一种方法将涉及以下步骤：

• 获取两个数组（图像数组）之间相等的掩码

• 获取其中一个数组和标签范围之间的相等掩码

• 最后得到前两步得到的两个数组之间的张量和约化，给出所有标签的计数

因此，对于张量和约化，我们将有一个向量化解ab，如下图所示-

def overlap_count(a, b, num_label):
    eq_mask = a==b
    id_mask = a == np.arange(num_label)[:,None, None]
    count = np.einsum('ij,aij->a',eq_mask, id_mask.astype(int))
    return count

样本运行-

In [95]: a
Out[95]: 
array([[0, 1, 2, 1],
       [2, 0, 2, 2],
       [0, 1, 1, 0]])

In [96]: b
Out[96]: 
array([[0, 0, 1, 1],
       [1, 1, 1, 0],
       [1, 0, 1, 0]])

In [97]: overlap_count(a, b, num_label=3)
Out[97]: array([2, 2, 0])

方法#2:我们可以改进第一种方法的内存效率，从而提高性能。想法是-我们可以通过对缩放版的

eq\u mask

进行计数来避免创建巨大的数组

id\u mask

。此缩放版本将通过其中一个数组的值进行缩放。现在，这将对

0

标记的像素进行更多计数，因此我们将分别对这些像素进行计数

因此，第二种方法看起来是这样的-

def overlap_count_improved(a, b, num_label):
    eq_mask = a==b
    r = a * eq_mask
    count = np.bincount(r.ravel())
    count[0] = (eq_mask*(a == 0)).sum() 
    # or count[0] = np.einsum('ij,ij->', eq_mask, (a==0).astype(int))
    return count

---

我花了一段时间才明白你在这里做什么，但这是解决问题的一种非常明智的方式。非常感谢你的帮助！