Python Numpy-如何从4个输入图像中创建新图像，选择最亮的像素（最大（R+G+B））

有以下四种图像阵列：

image1 = np.array([
    [
      # [R  G  B]
      #  |  |  |
        [1, 2, 3], [11, 22, 55], [12, 45, 56]
    ],
    [
        [1, 2, 3], [56, 55, 13], [12, 45, 56]
    ],
    [
        [11, 22, 55], [56, 55, 13], [12, 45, 56]
    ],
])

image2 = np.array([
    [
        [91, 72, 33], [111, 222, 155], [212, 245, 156]
    ],
    [
        [100, 200, 113], [56, 255, 213], [112, 145, 156]
    ],
    [
        [113, 223, 255], [156, 55, 113], [212, 245, 156]
    ],
])

image3 = np.array([
    [
        [9, 2, 3], [111, 222, 255], [22, 25, 16]
    ],
    [
        [10, 20, 13], [156, 25, 23], [12, 45, 16]
    ],
    [
        [13, 23, 155], [56, 255, 13], [222, 235, 216]
    ],
])

image4 = np.array([
    [
        [29, 22, 23], [111, 222, 255], [223, 125, 216]
    ],
    [
        [210, 220, 13], [156, 252, 232], [122, 145, 216]
    ],
    [
        [123, 232, 155], [56, 255, 213], [222, 235, 216]
    ],
])

对于每一行和每一列，我想计算图像阵列的红色、绿色和蓝色通道之和的最大RGB值，并使用最大值构建一个新的图像阵列

所以在尝试了下面的代码之后，它得到了重复的索引，因为在每行和每列中，三个图像数组的最大RGB可能是重复的。但我只想得到第一个匹配索引

array = np.array([image1, image2, image3, image4])
array_sum = array.sum(axis=3)
# array_sum_max_index = array_sum.argmax(axis=0)
indices = np.where(array_sum == array_sum.max(axis=0))
print(indices)

输出

(array([1, 1, 1, 2, 2, 3, 3, 3, 3, 3, 3]), array([0, 0, 2, 0, 2, 0, 1, 1, 1, 2, 2]), array([0, 2, 0, 1, 2, 1, 0, 1, 2, 1, 2]))

在这方面也有类似的答案，但它不能解决我的问题。因此，如何在索引首次匹配时获取索引

编辑：

输入图像的实际数量超过32个。涉及numpy.choose的解决方案可能无法正常工作，因此

您可以使用：

这将为您提供每个位置最亮的最高R+G+B像素：

array([[196, 588, 613],
       [443, 640, 483],
       [591, 524, 673]])

---

结果与array_sum.maxaxis=0相同。

我想这就是您要寻找的：

np.choose(array_sum_max_index[...,None], tuple(array))

输出：

说明：

array_sum_max_index的形状为m，n，其中每个图像都是形状为m，n，3的数组

数组是形状为4，m，n，3的数组，tuplearray的每个元素都是形状为m，n，3的子数组

我们尝试使用np.choose，将数组\u sum\u max\u索引作为选择器数组传递，将tuplearray作为选择器将从中选择的子数组序列。但是正如您在numpy.choose的文档中所看到的，选择器数组和从中选择的子数组必须都可以一起广播。由于选择器数组数组_sum_max_index的形状为m，n，为了使其可以与形状为m，n，3的子数组一起广播，我们使用表达式数组_sum_max_index[…，None]向数组_sum_max_index追加一个额外的单位长度维度

如果我们只使用数组而不是tuplearray，这仍然有效，但是numpy.choose的文档不鼓励这样做

---

提出一个不使用numpy.choose的替代解决方案，因为OP已经指出在numpy.choose的情况下32个choose数组的约束是一个问题

array = np.array([image1, image2, image3, image4])
array_sum = array.sum(axis=3)
array_sum_max_index = array_sum.argmax(axis=0)

m = 3 # Number of pixel rows
n = 3 # Number of pixel columns

array[array_sum_max_index, np.arange(m)[:,None,], np.arange(n)[None,:]]

输出：

---

根据@fountainhead的回答，在一行中：

np.take_along_axis(array, array.sum(3).argmax(0)[None, ..., None], 0)

Out[]: 
array([[[[ 91,  72,  33],
         [111, 222, 255],
         [212, 245, 156]],

        [[210, 220,  13],
         [156, 252, 232],
         [122, 145, 216]],

        [[113, 223, 255],
         [ 56, 255, 213],
         [222, 235, 216]]]])

---

array\u sum\u max\u index或array\u sum.maxaxis=0如何不满足您的需要？在我看来这是正确的，但也许我误解了你的目标。array_sum_max_index给出array[[1,2,1]，[3,3,3]，[1,3,2]]告诉您每个像素处哪个图像最亮，array_sum.maxaxis=0给出从每个位置的所有图像中获取的最亮像素。我想使用最大RGB生成一个新数组，但是，如何通过数组_sum_max_索引访问数组对我来说很难。您出于某种原因注释掉的线数组_sum_max_索引=数组_sum.argmaxaxis=0正好提供了您在问题中要求的3,3新图像数组。是的，数组_sum_max_索引是正确的答案，但我不知道如何使用它访问数组。所以我试着从哪里获取索引，返回索引。我认为真正需要的是np.choosarray\u sum\u max\u index，数组。不，不太需要。在数组_sum_max_索引返回中，每个行和列的编号表示数组的最大RGB索引。因此，我可以通过array\u sum\u max\u index return生成一个新数组，但这对我来说很难。是的，但是numpy.choose允许至少0个最多32个数组对象通过。所以x的形状。。。对于数组，x必须介于0和32之间。@luneice-是否要将32个以上的图像传递给np。选择从中进行选择？是的，当传递32个以上的图像时，它得到了ValueError：至少需要0个，最多需要32个数组对象。在这种情况下，您需要将所有这些代码包装到一个函数中，并多次调用该函数。因此，如果您有50个图像，那么对函数的第一次调用将返回一个使用前32个图像中最亮像素的新图像。对函数的下一次调用必须传递此返回图像和剩余的18个图像，才能获得使用所有50个图像中最亮像素的最终图像。@luneice-我发布了一个不使用numpy.choose的不同答案。请看一看，很好。想想这些学习的日子，我一直在寻找numpy的真实世界用例！它是为这个用例设计的，但是它可能非常笨拙，因为需要数组和索引具有相同的维数，因此[None，…，None]

array = np.array([image1, image2, image3, image4])
array_sum = array.sum(axis=3)
array_sum_max_index = array_sum.argmax(axis=0)

m = 3 # Number of pixel rows
n = 3 # Number of pixel columns

array[array_sum_max_index, np.arange(m)[:,None,], np.arange(n)[None,:]]

array([[[ 91,  72,  33],
        [111, 222, 255],
        [212, 245, 156]],

       [[210, 220,  13],
        [156, 252, 232],
        [122, 145, 216]],

       [[113, 223, 255],
        [ 56, 255, 213],
        [222, 235, 216]]])

np.take_along_axis(array, array.sum(3).argmax(0)[None, ..., None], 0)

Out[]: 
array([[[[ 91,  72,  33],
         [111, 222, 255],
         [212, 245, 156]],

        [[210, 220,  13],
         [156, 252, 232],
         [122, 145, 216]],

        [[113, 223, 255],
         [ 56, 255, 213],
         [222, 235, 216]]]])