如何根據索引和值有效更新np數組？

我有一個太陽的圖像，我發現中心和半徑，現在我想處理像素不同，如果他們是在磁盤內部或外部。理想的解決方案將是插入處理函數的參數，以便順利地從磁盤過渡到背景。如何根據索引和值有效更新np數組？

這是我現在在做什麼：

for index,value in np.ndenumerate(sun_img): 
    if distance.euclidean(index,center) > radius: 
     sun_img[index] = processing_function(index,value)

喜歡這個工作，但它永遠需要計算圖像。我相信有一個更有效的方法來做到這一點。你會如何解決這個問題？

圖像形狀是左右（1000，1000） Processing_function基本上不會做任何事情現在：值+ = 1

該函數應該是這樣的非線性「階躍函數」 0.0值直到半徑和1.0 5px之後。例如：_______ /''''''''''''''乘以像素的值。斜率應該在半徑的值上。我想，以增強突起

來源

2017-10-19 RobiNoob

我仍然必須編寫函數，現在它正在執行value + = 1來查看會發生什麼。這需要一個世紀。圖像大約是（1k * 1k） – RobiNoob

不，灰度，dtype np.float64 – RobiNoob

'radius'和'center'，那些標量是什麼？ – Divakar

這裏做到這一點是一個量化的方式利用NumPy broadcasting -

m,n = sun_img.shape 
I,J = np.ogrid[:m,:n]  
sq_dist = (I - center[0])**2 + (J - center[1])**2 
valid_mask = sq_dist > radius**2

現在，對於一個processing_function，只是增加了1到有效的地方，由IF-conditional定義，做 -

sun_img[valid_mask] += 1

如果您需要實現與processing_function那東東的自定義操作DS的行，列的索引，使用np.where獲得這些索引，然後通過有效元素迭代，就像這樣 -

r,c = np.where(valid_mask) 
for index in zip(r,c): 
    sun_img[index] = processing_function(index,sun_img[r,c])

如果你有很多這樣的有效的地方，然後計算r,c可能會使事情慢。在這種情況下，直接使用mask，像這樣 -

for index,value in np.ndenumerate(sun_img): 
    if valid_mask[index]: 
     sun_img[index] = processing_function(index,value)

相比原來的代碼，好處是我們之前進入循環的條件值預先計算。最好的辦法是自己矢量化processing_function，以便它可以處理更大的數據塊，但這取決於它的實現。

來源

2017-10-19 11:13:54 Divakar

我現在正在吃午餐，所以我不能嘗試它，但爲什麼你會認爲這樣更有效率？我的意思是np.where減少了for的像素數量，但數量級相同，並且以相同的方式訪問像素 – RobiNoob

@RobiNoob因爲您正在執行'distance.euclidean（index，center ）> radius：'在一個循環中，建議的方法以向量化的方式進行。再說一次，如果你的'processing_function'計算量比這個大得多，當然你可能看不到很大的好處。這就是爲什麼我在開始時詢問是否可以共享'processing_function'的實現。 – Divakar

好的，我回來了，我會試試這個。該函數應該是類似非線性的「階躍函數」，其值爲0.0，直到半徑爲1。0後5px。例如：_______ /''''''''''''''乘以像素的值。斜率應該在半徑的值上。我想這樣做是爲了增強突起 – RobiNoob

如何根據索引和值有效更新np數組？

回答

相關問題