利用灰度值矩阵的NumPy图像（矩阵）阈值化。
我需要在灰度图像中分割出异常。在算法的某个地方，我计算一个矩阵，其中包含需要设置为零的已知像素强度。我该怎么做？
例如：
计算的像素强度：（数组([94，95，96，97，98，99，100，101，102，103，104，105，106，107、108，109，110，111、112、113、114、115、116、117、118、119、120、121、122、123、124、125、126、127、128、130、131、132、133、134、135、136、137、139、140、141、142、143、144、145、147、147、149、151])
图片大小(480,640):
打印出来的:
[[86 90 97...,142 157]
[85 89 97...,145 154 158]
[83 87 95...,154 158]
[83 87 95...,154 159]
...，
[130 134 139...,156 154 154]
[130 134 140...,154 153 152]
[130 134 141...,154 153 152]]
我意识到，对于每个像素，我可以通过强度矩阵。然而，这将过于昂贵。麻木的专家，我需要你的帮助！
共有1个答案
简单地说
oI[ (oI >93) & (oI < 152) ] = 0
我应该...
根据您的问题，您希望数组中有特定的非连续数字。这最好由map-reduce算法处理。假设您希望将以下数字设置为0:
numList = np.array([2, 15, 100, 56])
mask = (oI == 2)|(oI == 15)|(oI == 100)|(oI == 56)
oI[mask] = 0
mask = reduce( lambda m, n: m|n ,[ oI == i for i in numList])
oI[mask] = 0
mask = (oI > a) & (oI < b)
-
问题内容： 我有一个3,076,568个二进制值（1s和0s）的NumPy数组。我想将其转换为矩阵，然后在Python中转换为灰度图像。 但是，当我尝试将数组重塑为1,538,284 x 1,538,284矩阵时，出现内存错误。 如何减小矩阵的大小，以便将其变成适合屏幕显示的图像而又不丢失唯一性/数据？ 此外，如何将其转换为灰度图像？ 任何帮助或建议，将不胜感激。谢谢。 问题答案： 您的“二进制值
-
主要内容：逐元素矩阵乘法,矩阵乘积运算,矩阵点积矩阵乘法是将两个矩阵作为输入值，并将 A 矩阵的行与 B 矩阵的列对应位置相乘再相加，从而生成一个新矩阵，如下图所示： 注意：必须确保第一个矩阵中的行数等于第二个矩阵中的列数，否则不能进行矩阵乘法运算。 图1：矩阵乘法 矩阵乘法运算被称为向量化操作，向量化的主要目的是减少使用的 for 循环次数或者根本不使用。这样做的目的是为了加速程序的计算。 下面介绍 NumPy 提供的三种矩阵乘法，从而进一步
-
主要内容：matlib.empty(),numpy.matlib.zeros(),numpy.matlib.ones(),numpy.matlib.eye(),numpy.matlib.identity(),numpy.matlib.rand()NumPy 提供了一个 矩阵库模块 ，该模块中的函数返回的是一个 matrix 对象，而非 ndarray 对象。矩阵由 m 行 n 列（m*n）元素排列而成，矩阵中的元素可以是数字、符号或数学公式等。 matlib.empty() matlib.emp
-
我目前正在做一个音频信号处理项目，需要在Java中的一个复杂矩阵上使用SVD。我当前的线性代数库是Apache Commons。但它只提供实矩阵的SVD，JAMA、JBLAS、EJML、ojAlgo都不支持复杂的SVD。 我一直在用一些技巧从一个等效的实矩阵中找到SVD。然而，当我重建矩阵时，这种技术对于虚部有很大的不准确性。
-
我使用if-else检查numpy矩阵的索引i，i处的元素是否为0 得到了错误值错误：数组的真值有多个元素是含糊不清的。使用a.any（）或a.all（）对此有任何解决办法吗？
-
着色器语言中通过关键字mat2、mat3、mat4分别声明一个2x2矩阵、3x3矩阵、4x4矩阵，通过内置函数mat2()、mat3()、mat4()分别创建一个2x2矩阵、3x3矩阵、4x4矩阵。 关键字 数据类型 mat2 2x2矩阵，4个元素 mat3 3x3矩阵，9个元素 mat4 4x4矩阵，16个元素 声明变量 关键子mat4声明一个4x4矩阵 mat4 matrix4; 构造函数赋