画像のコレクション内のピクセル（R、G、B）を別個のピクセルカラー値インデックスにマップする方法はありますか？

Question

それぞれが1つのエンティティを表す10種類の色を含む600個の注釈付きセマンティックセグメンテーションマスク画像を有するとする。これらの画像は、n = 600、3 = RGBチャンネル、72 =高さ、96 =幅の形状の数字の配列（600,3,72,96）である。

numpy配列の各RGBピクセルをカラーインデックス値にマップするにはどうすればよいですか？たとえば、カラーリストは[（128,128,0）、（240,128,0）、... n]であり、numpy配列内のすべての（240,128,0）ピクセルはインデックスに変換されます一意のマッピング（= 1）の値。

これを効率的かつ少ないコードで実行するにはどうすればよいですか？ここで私が思いついた解決策がありますが、それはかなり遅いです。

# Input imgs.shape = (N, 3, H, W), where (N = count, W = width, H = height) 
def unique_map_pixels(imgs): 
    original_shape = imgs.shape 

    # imgs.shape = (N, H, W, 3) 
    imgs = imgs.transpose(0, 2, 3, 1) 

    # tupleview.shape = (N, H, W, 1); contains tuples [(R, G, B), (R, G, B)] 
    tupleview = imgs.reshape(-1, 3).view(imgs.dtype.descr * imgs.shape[3]) 

    # get unique pixel values in images, [(R, G, B), ...] 
    uniques = list(np.unique(tupleview)) 

    # map uniques into hashed list ({"RXBXG": 0, "RXBXG": 1}, ...) 
    uniqmap = {} 
    idx = 0 
    for x in uniques: 
    uniqmap["%sX%sX%s" % (x[0], x[1], x[2])] = idx 
    idx = idx + 1 
    if idx >= np.iinfo(np.uint16).max: 
     raise Exception("Can handle only %s distinct colors" % np.iinfo(np.uint16).max) 

    # imgs1d.shape = (N), contains RGB tuples 
    imgs1d = tupleview.reshape(np.prod(tupleview.shape)) 

    # imgsmapped.shape = (N), contains uniques-index values 
    imgsmapped = np.empty((len(imgs1d))).astype(np.uint16) 

    # map each pixel into unique-pixel-ID 
    idx = 0 
    for x in imgs1d: 
    str = ("%sX%sX%s" % (x[0], x[1] ,x[2])) 
    imgsmapped[idx] = uniqmap[str] 
    idx = idx + 1 

    imgsmapped.shape = (original_shape[0], original_shape[2], original_shape[3]) # (N, H, W) 
    return (imgsmapped, uniques) 

テストそれ：

import numpy as np 
n = 30 
pixelvalues = (np.random.rand(10)*255).astype(np.uint8) 
images = np.random.choice(pixelvalues, (n, 3, 72, 96)) 

(mapped, pixelmap) = unique_map_pixels(images) 
assert len(pixelmap) == mapped.max()+1 
assert mapped.shape == (len(images), images.shape[2], images.shape[3]) 
assert pixelmap[mapped[int(n*0.5)][60][81]][0] == images[int(n*0.5)][0][60][81] 
print("Done: %s" % list(mapped.shape)) 

Answer 1

はここで、これらのエラーチェックなしのコンパクトなベクトル化されたアプローチだ -

def unique_map_pixels_vectorized(imgs): 
    N,H,W = len(imgs), imgs.shape[2], imgs.shape[3] 
    img2D = imgs.transpose(0, 2, 3, 1).reshape(-1,3) 
    ID = np.ravel_multi_index(img2D.T,img2D.max(0)+1) 
    _, firstidx, tags = np.unique(ID,return_index=True,return_inverse=True) 
    return tags.reshape(N,H,W), img2D[firstidx] 

ランタイムテストと検証 -

In [24]: # Setup inputs (3x smaller than original ones) 
    ...: N,H,W = 200,24,32 
    ...: imgs = np.random.randint(0,10,(N,3,H,W)) 
    ...: 

In [25]: %timeit unique_map_pixels(imgs) 
1 loop, best of 3: 2.21 s per loop 

In [26]: %timeit unique_map_pixels_vectorized(imgs) 
10 loops, best of 3: 37 ms per loop ## 60x speedup! 

In [27]: map1,unq1 = unique_map_pixels(imgs) 
    ...: map2,unq2 = unique_map_pixels_vectorized(imgs) 
    ...: 

In [28]: np.allclose(map1,map2) 
Out[28]: True 

In [29]: np.allclose(np.array(map(list,unq1)),unq2) 
Out[29]: True