我有一些像这样的ndarray形式的图像:
# **INPUT**
img = np.array(
[
[
[0, 0, 255],
[0, 0, 255],
[0, 0, 255],
[0, 0, 255],
[0, 0, 255],
[0, 0, 255],
[0, 0, 255],
[0, 0, 255]
],
[
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[0, 255, 0],
[0, 255, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0]
],
[
[255, 0, 0],
[0, 255, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0]
],
[
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0],
[255, 0, 0]
],
])
我需要在我的图像中找到每种颜色的计数,即以下元组的计数为 3:[0, 0, 255],[255, 0, 0],[0, 255, 0]。在这种情况下:
# **Desired OUTPUT**
unique [[ 0 0 255]
[255 0 0]
[ 0 255 0]]
counts [8 21 3]
这是我所做的:
print('AXIS 0 -----------------------------------')
unique0, counts0 = np.unique(img, axis=0, return_counts=True)
print('unique0 ', unique0)
print('counts0 ', counts0)
这是输出:
AXIS 0 -----------------------------------
unique0 [[[ 0 0 255]
[ 0 0 255]
[ 0 0 255]
[ 0 0 255]
[ 0 0 255]
[ 0 0 255]
[ 0 0 255]
[ 0 0 255]]
[[255 0 0]
[ 0 255 0]
[255 0 0]
[255 0 0]
[255 0 0]
[255 0 0]
[255 0 0]
[255 0 0]]
[[255 0 0]
[255 0 0]
[255 0 0]
[ 0 255 0]
[ 0 255 0]
[255 0 0]
[255 0 0]
[255 0 0]]
[[255 0 0]
[255 0 0]
[255 0 0]
[255 0 0]
[255 0 0]
[255 0 0]
[255 0 0]
[255 0 0]]]
counts0 [1 1 1 1]
尝试使用axis=1
时,我得到类似的结果(计数1 [2 1 5](。
我还尝试将元组作为轴输入,axis=(0, 1)
,返回错误TypeError: an integer is required (got type tuple)
。
知道我做错了什么吗?
首先使用np.concatenate
沿第一个轴连接 ndarray,然后像你一样使用np.unique
,设置return_counts=True
,这将返回扁平化2D
数组的计数:
unique, counts = np.unique(np.concatenate(mg), axis=0, return_counts=True)
print(unique)
[[ 0 0 255]
[ 0 255 0]
[255 0 0]]
print(counts)
# array([ 8, 3, 21], dtype=int64)
你可以做:
elements, counts = np.unique(img.reshape((-1, 3)), axis=0, return_counts=True)
print(elements, counts)
输出
[[ 0 0 255]
[ 0 255 0]
[255 0 0]] [ 8 3 21]