使用numpy、python和opencv 2.4遍历多维数组

Question

最近我在这个问题上发过一个帖子，但最后我用了一种不太优雅的方法解决了它。

我有两张图片，它们是numpy数组，我想通过遍历这两张图片来创建一个新的数组。我有三种情况，做了如下操作：

delta= np.empty((h, w, 3),int)
    for z in range (0,3):
      for i in range(0, (h-1)):
        for j in range(0, (w-1)):
         delta[i][j][z]=np.sqrt(((imgLlab[i][j][0]-imgRlab[i][j-disp[i][j]][0])**2) + ((imgLlab[i][j][1]-imgRlab[i][j-disp[i][j]][1])**2) + ((imgLlab[i][j][2]-imgRlab[i][j-disp[i][j]][2])**2) )


delta= np.empty((h, w, 3),int)
    for z in range (0,3):
     for i in range(0, (h-1)):
    for j in range(0, (w-1)):
       delta[i][j][z]=np.sqrt(((imgLlab[i][j][0]-imgRlab[i][j-disp[i][j]][0])**2)  )


for z in range (0,3):
 for i in range(0, (h-1)):
  for j in range(0, (w-1)):
    delta[i][j][z]=np.sqrt(((imgLlab[i][j][1]-imgRlab[i][j-disp[i][j]][1])**2) + ((imgLlab[i][j][2]-imgRlab[i][j-disp[i][j]][2])**2) )

我希望能避免每次都重复遍历，尽量快速完成这个操作。

有没有其他方法可以用numpy来实现这个呢？

编辑：在Jaime的帮助下，我把代码改成了这样：

disp= np.hstack([disp, disp, disp]).reshape(h,w,3).astype(np.int)
rows = np.arange(h).reshape(h, 1, 1)
cols = np.arange(w).reshape(1, w, 1)
planes = np.arange(3).reshape(1, 1, 3)
print rows.shape, cols.shape, planes.shape, disp.shape, h
data = imgLlab[rows, cols, planes] - imgRlab[rows ,cols - disp[rows, cols, planes], planes]
data = data**2
data = np.sum(data, axis=-1)
data = np.sqrt(data)

我需要调整dist的形状，因为它和imglLab、imgRLab的形状不一样。也就是说，imglLab的形状是(288, 384, 3)，而disp的形状是(288, 384)。另外，如果我打印disp(288, 384, 1)，我会得到同样的错误，感觉里面没有值，但维度和其他的都是一样的。不过现在这三个数组的维度都一致了，但我遇到了一个索引错误：索引(384)超出了范围(0<=索引(383)在维度1中)。

Answer 1

你的代码有几个地方可以改进。

1. 不要用 arr[a][b][c] 这样的方式来访问数组。这样做实际上是在创建一个新的 Python 对象 arr[a]，然后再从这个对象创建另一个对象 arr[a][b]，最后得到你想要的对象 arr[a][b][c]。如果你用 numpy 的元组索引 arr[a, b, c]，就可以省去这些中间的创建和销毁过程。

2. 不要在不需要的时候使用循环！与其这样

   for j in xrange(len(a)) :
       a[j] = b[j]
   

   你可以这样做

   a[:] = b[:]
   

   这其实就是 numpy 强大的地方，所以要好好利用它！

关于加速你的代码……你应该检查一下 imgLlab.shape、imgRlab.shape 和 disp.shape 是否都是一样的，格式是 (h, w, 3)。你的索引错误提示其中一个可能比较小。无论如何，为了达到你的目标，我们需要利用一下 广播 和 花式索引。好好看看这些链接，否则接下来的内容可能就不太好理解了：

rows = np.arange(h).reshape(h, 1, 1)
cols = np.arange(w).reshape(1, w, 1)
planes = np.arange(3).reshape(1, 1, 3)
data = imgLlab[rows, cols, planes] - \ 
       imgRlab[planes, rows - disp[rows, cols, planes], planes]
# data is of shape (h, w, 3)
data = data**2
# data is of shape (h, w, 3)
data = np.sum(data, axis=-1)
# data is of shape (h, w)
data = np.sqrt(data)
# data is of shape (h, w)

如果你真的想把同一个数组复制到你的 delta 数组的三个平面上，可以这样做：

delta[...] = data.reshape(h, w, 1) # equivalent to data.reshape(-1, 1)

这只是你的第一个例子，但其他的例子在你理解了这个之后应该也很容易构建。如果有问题，随时回来问！