将选定的索引 numpy 数组添加到另一个具有重叠索引的 numpy 数组

Question

我有两个 numpy 数组image和warped_image和索引数组ix,iy。我需要向warped_image添加image，以便将image[i,j]添加到warped_image[iy[i,j],ix[i,j]].如果(iy[i,j], ix[i,j])对所有i,j都是唯一的，则以下代码有效。但是当它们不是唯一的时，即当image中的 2 个元素需要添加到warped_image中的同一元素时，只添加其中一个。如何将image中的两个元素添加到warped_image中的同一元素中？

请注意，我不想使用任何for循环。我想保持这个矢量化。我计划将来将代码转换为TensorFlow或PyTorch，以使用GPU功能。那是因为，我有数百张这样的图像，每张图像都是全高清分辨率。

import numpy
image = numpy.array([[246,  50, 101], [116,   1, 113], [187, 110,  64]])
iy = numpy.array([[1, 0, 2], [1, 1, 0], [2, 0, 2]])
ix = numpy.array([[0, 2, 1], [1, 2, 0], [0, 1, 2]])
warped_image = numpy.zeros(shape=image.shape)
warped_image[iy, ix] += image
>> warped_image
Out[31]: 
array([[  113., 110.,  50.],
[246., 116.,   1.],
[187., 101.,  64.]])

对于上述情况，索引是唯一的，因此输出符合预期。

import numpy
image = numpy.array([[246,  50, 101], [116,   1, 113], [187, 110,  64]])
iy = numpy.array([[1, 0, 2], [1, 0, 2], [2, 2, 2]])
ix = numpy.array([[0, 2, 1], [1, 2, 0], [0, 1, 2]])
warped_image = numpy.zeros(shape=image.shape)
warped_image[iy, ix] += image
>> warped_image
Out[32]: 
array([[  0.,   0.,   1.],
[246., 116.,   0.],
[187., 110.,  64.]])

预期输出：

array([[  0.,   0.,   51.],
[246., 116.,   0.],
[300., 211.,  64.]])

在这种情况下，有 3 对索引重叠，因此失败。 例如image[0,1]和image[1,1]应将 gt 添加到warped_image[0,2]以给出值 51。然而，只有其中一个(image[1,1])被添加以给出值1。

上下文：
我正在尝试将图像从视图 1 扭曲到 视图 2。我已经计算了哪个像素必须去哪里。在像素重叠的情况下，我需要对它们进行加权平均值。所以，我需要实现上述目标。更多细节在这里

Answer 1

使用 numpy.add.at：

import numpy
image = numpy.array([[246,  50, 101], [116,   1, 113], [187, 110,  64]])
iy = numpy.array([[1, 0, 2], [1, 0, 2], [2, 2, 2]])
ix = numpy.array([[0, 2, 1], [1, 2, 0], [0, 1, 2]])
warped_image = numpy.zeros(shape=image.shape)
np.add.at(warped_image, (iy, ix), image)
print(warped_image)

输出

[[  0.   0.  51.]
[246. 116.   0.]
[300. 211.  64.]]