Numpy, где канал RGB больше [0,0,0]

Пытаюсь найти цвета, которые не равны черному, и мне нужен самый быстрый способ сделать это. Strangle, приведенный ниже код работает для условий! =. Это не работает для> или =. Также я не хочу суммировать канал и искать значения больше 0 (это слишком медленно)

import numpy as np
x = np.zeros(shape=[2,10,3])
x[0,0]=np.array([0,0,255])
x[0,5]=np.array([255,0,0])
x[0,8]=np.array([255,0,0])
x[0,9]=np.array([255,0,0])
x[1,2]=np.array([0,0,255])
x[1,1]=np.array([255,0,0])
x[1,9]=np.array([255,0,0])
x[1,6]=np.array([255,0,0])

indices=(np.where(np.all(x[0,:]!=[0,0,0],axis=-1),))
print('values',x[i])

>> []

Заранее спасибо за совет

python numpy where rgb axis

06.11.2018 21:35

Почему в Python есть оператор "pass"?

Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.

Некоторые методы, о которых вы не знали, что они существуют в Python

Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...

Основы Python Часть I

Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?

LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа

Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:

Оптимизация кода с помощью тернарного оператора Python

И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это

Советы по эффективной веб-разработке с помощью Python

Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.

989

Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

IIUC, вы можете сделать это, чтобы найти, где в массиве есть хотя бы одно ненулевое значение:

x[np.any(x != 0, axis = 2)]
# Or, using np.where as you were:
# np.where(np.any(x!=0, axis=2))
# (array([0, 0, 0, 0, 1, 1, 1, 1]), array([0, 5, 8, 9, 1, 2, 6, 9]))

Пример:

>>> x
array([[[  0.,   0., 255.],
        [  0.,   0.,   0.],
        [  0.,   0.,   0.],
        [  0.,   0.,   0.],
        [  0.,   0.,   0.],
        [255.,   0.,   0.],
        [  0.,   0.,   0.],
        [  0.,   0.,   0.],
        [255.,   0.,   0.],
        [255.,   0.,   0.]],

       [[  0.,   0.,   0.],
        [255.,   0.,   0.],
        [  0.,   0., 255.],
        [  0.,   0.,   0.],
        [  0.,   0.,   0.],
        [  0.,   0.,   0.],
        [255.,   0.,   0.],
        [  0.,   0.,   0.],
        [  0.,   0.,   0.],
        [255.,   0.,   0.]]])

>>> x[np.any(x != 0, axis = 2)]
array([[  0.,   0., 255.],
       [255.,   0.,   0.],
       [255.,   0.,   0.],
       [255.,   0.,   0.],
       [255.,   0.,   0.],
       [  0.,   0., 255.],
       [255.,   0.,   0.],
       [255.,   0.,   0.]])

Смотрите закомментированный код, вы можете использовать логику, которую я описал с np.where: np.where(np.any(x!=0, axis=2))

— 06.11.2018 21:47

Спасибо, сначала не заметил.

— 06.11.2018 21:48

06.11.2018 21:38