Использование маски массива для изменения значений пикселей

Question

Описание

У меня есть изображение и его маска. Я использую PIL и Numpy применять следующие правила:

• пикселей, где маска красный (255, 0, 0), наборы для (0, 0, 0).
• Пикселей, где маска зеленый (0, 255, 0), наборы для (64, 64, 64)
• пикселей, где маска синий (0, 0, 255), наборы для (128, 128, 128)
• пикселей, где маска имеет желтый цвет (255, 255, 0), наборы для (255, 255, 255)
• В противном случае, сохраните пиксель без изменений.

То, что я пытался

Используя идею маски массива, я попытался следующие:

import numpy as np 
import Image 

# (R G B) 
red = [255, 0, 0] 
green = [0, 255, 0] 
blue = [0, 0, 255] 
yellow = [255, 255, 0] 


def execute(): 
    im = Image.open('input.png') 
    data = np.array(im) 
    print "Original = ", data.shape 

    mask = Image.open('mask2.png') 
    data_mask = np.array(mask) 
    print "Mask = ", data_mask.shape 

    red_mask = data_mask == red 
    green_mask = data_mask == green 
    blue_mask = data_mask == blue 
    yellow_mask = data_mask == yellow 

    data[red_mask] = [0, 0, 0] 
    data[green_mask] = [64, 64, 64] 
    data[blue_mask] = [128, 128, 128] 
    data[yellow_mask] = [255, 255, 255] 

    im = Image.fromarray(data) 
    im.save('output.png') 


if __name__ == "__main__": 
    execute() 

Проблема

Код выше выходов:

Original = (64, 64, 3) 
Mask = (64, 64, 3) 
ValueError: NumPy boolean array indexing assignment cannot assign 3 input values to the 5012 output values where the mask is true 

Я что-то упускаю? Как я могу использовать идею масок массива для изменения значений пикселей?

Answer 1

Посмотрите на data[data_mask == red]: это будет плоский массив, а не 3D-массив (X, Y, 3). Таким образом, последняя ось 5012, а не 3. Таким образом, вы не можете транслировать задание.

The docs объяснить:

В результате 1-D, содержащий массив из всех элементов в индексном массиве, соответствующий все истинные элементы в массиве булева.

Но ...

Результат будет многомерным, если у имеет больше измерений, чем б. Например:

(Здесь y является эквивалентом ваших data и b из ваших red_mask.)

Если вы думаете об этом, это имеет смысл. Ваш red_mask - массив 64x64x3; он не может выбрать 3-векторы (пиксели), он может выбирать только отдельные значения.

---

Давайте меньше, более простой, конкретный пример (в 1D массив 4 пикселей, вместо 2D-массив 64x64 пикселей), вместо того, чтобы ваш пример, который (а) вы не дали нам данные для и (б) слишком велик, чтобы посмотреть на все сразу:

>>> data = np.array([[1,2,3], [4,5,6], [7,8,9], [10,11,12]]) 
>>> mask = np.array([[1,2,3], [4,5,6], [1,2,3], [4,5,6]]) 
>>> red = np.array([1,2,3]) 
>>> red_mask = mask == red 
>>> red_mask 
array([[ True, True, True], 
     [False, False, False], 
     [ True, True, True], 
     [False, False, False]], dtype=bool) 
>>> data[red_mask] 
array([1, 2, 3, 7, 8, 9]) 
>>> data[red_mask] = [0,0,0] 
ValueError: NumPy boolean array indexing assignment cannot assign 3 input values to the 6 output values where the mask is true 
>>> red_mask[:,0] 
array([ True, False, True, False], dtype=bool) 
>>> data[red_mask[:,0]] 
array([[1, 2, 3], 
     [7, 8, 9]]) 
>>> data[red_mask[:,0]] = [0,0,0] 
>>> data 
array([[ 0, 0, 0], 
     [ 4, 5, 6], 
     [ 0, 0, 0], 
     [10, 11, 12]]) 

посмотрите, как red_mask это показатели каждого отдельного компонента скалярного, а red_mask[:,0] это показатели каждого целого 3-вектор пикселя?