我有一个情况,我需要在python中做两个二进制图像数组的交集。理想情况下,我做得很快。在
Numpy有一个intersect1d
函数,如果我能把我的坐标转换成单个元素的话,它将完成这项工作。在
现在(因为我知道照片的尺寸),我用乘法、求和、交集把所有的东西转换成整数格式,然后用类似的方法解包。在
def npimg_intersection(A,B):
Aargwhere = np.argwhere(A==0)
Bargwhere = np.argwhere(B==0)
Aargwhere[:,0] = Aargwhere[:,0]*1000
Aargwhere = np.sum(Aargwhere,axis=1)
Bargwhere[:,0] = Bargwhere[:,0]*1000
Bargwhere = np.sum(Bargwhere,axis=1)
Iargwhere0 = np.intersect1d(Aargwhere,Bargwhere)
Iargwhere = np.zeros(shape=(Iargwhere0.shape[0],2),dtype=Iargwhere0.dtype)
Iargwhere[:,0] = Iargwhere0[:]/1000
Iargwhere[:,1] = Iargwhere0[:]%1000
I = np.zeros(shape = A.shape,dtype=A.dtype)
I[:,:] = 255
I[Iargwhere[:,0],Iargwhere[:,1]] = 0
return I
而且很管用。相当快。在
但是使用numpy的正确方法是什么?在
可以提出两种方法-
相关问题 更多 >
编程相关推荐