将具有特定颜色映射的三维图像转换为具有特定int值的二维图像

Question

对于this3d图像，它有6个类，分别是：

Impervious surfaces (RGB: 255, 255, 255)
Building (RGB: 0, 0, 255)
Low vegetation (RGB: 0, 255, 255)
Tree (RGB: 0, 255, 0)
Car (RGB: 255, 255, 0)
Clutter/background (RGB: 255, 0, 0)

我想把这个图像转换成二维图像，在这里

Impervious surfaces --> 0
Building --> 1
Low vegetation --> 2
Tree --> 3
Car --> 4
Clutter/background --> 5

我只能把for循环当作：

im = imageio.imread('kPUoO.png')
w,h = im.shape[:2]
im_ = np.zeros((w,h), dtype=np.uint8)
for i in range(w):
    for j in range(h):
        if list(im[i,j]) == [0,0,255]:
            im_[i,j] = 1
        if list(im[i,j]) == [0,255,255]:
            im_[i,j] = 2
        if list(im[i,j]) == [0,255,0]:
            im_[i,j] = 3
        if list(im[i,j]) == [255,255,0]:
            im_[i,j] = 4
        if list(im[i,j]) == [255,0,0]:
            im_[i,j] = 5

我想知道有没有更简单的方法来做这项工作。谢谢！你知道吗

Answer 1

im = imageio.imread('kPUoO.png')
w,h = im.shape[:2]
im_ = np.zeros((w,h), dtype=np.uint8)
pos1 = np.where((im[:,:,0]==0) & (im[:,:,1]==0) & (im[:,:,2]==255))
pos2 = np.where((im[:,:,0]==0) & (im[:,:,1]==255) & (im[:,:,2]==255))
pos3 = np.where((im[:,:,0]==0) & (im[:,:,1]==255) & (im[:,:,2]==0))
pos4 = np.where((im[:,:,0]==255) & (im[:,:,1]==255) & (im[:,:,2]==0))
pos5 = np.where((im[:,:,0]==255) & (im[:,:,1]==0) & (im[:,:,2]==0))
im_[pos1] = 1
im_[pos2] = 2
im_[pos3] = 3
im_[pos4] = 4
im_[pos5] = 5

Answer 2

我试着考虑一个更一般的问题，在这个问题中，你可以有0到255之间的任何值出现在每个波段，或者甚至超过3个波段。。。你知道吗

我们可以通过对每列应用不同的位移位来对0和255的位置进行编码（0、1和/或2列中的0为0到3位，0、1和/或2列中的255为4到6位）：

a = (im == 0) << numpy.array([0,1,2], numpy.uint8)
a += (im == 255) << numpy.array([3,4,5], numpy.uint8)

沿着最后一个轴的和唯一地编码这些类。除7是没有必要的，它只是给出了更简单的类标签。你知道吗

numpy.add.reduce(a, -1) // 7

从那里它是一个标准的1:1映射来重新标记类。我认为对于较大的图像，或大量的图像，这种方法可能更快。你知道吗

要了解其工作原理：

0,0,0 = 1<<0 + 1<<1 + 1<<2 + 0<<3 + 0<<4 + 0<<5 = 7, /7 = 1
0,0,255 = 1<<0 + 1<<1 + 0<<2 + 0<<3 + 0<<4 + 1<<5 = 35, /7 = 5
0,255,255 = 1<<0 + 0<<1 + 0<<2 + 0<<3 + 1<<4 + 1<<5 = 49, /7 = 7
255,255,255 = 0<<0 + 0<<1 + 0<<2 + 1<<3 + 1<<4 + 1<<5 = 56, /7 = 8
etc...

等效公式为：

a = (im == 0) * numpy.array([1,2,4], numpy.uint8)
a += (im == 255) * numpy.array([8,16,32], numpy.uint8)
numpy.add.reduce(a, -1) //7