numpy数组元素值的高效查表映射机制

☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ░

一、背景

老猿最近在进行OpenCV直方图均衡学习，发现书中一个神奇的处理机制：通过图像img计算生成直方图，然后生成该直方图的CDF，然后根据CDF进行直方图均衡处理，得到原直方图灰度值到均衡后直方图灰度值的一个映射表CDFTable，该CDFTable是一个numpy的一维数组，共计256个元素，其中CDFTable[i]表明将原图像灰度值i映射为CDFTable[i]，有了这个表之后，真正的图像映射只有一个语句：

img2 = cdf[img]

就这样简单一个语句，将img图像中所有灰度值按照映射关系进行了变换，得到了结果图像img2。

二、一个简单的例子

这个机制基于上面的介绍已经很清楚了，下面提供一个简单案例：

import numpy as np

def test():
    m = np.array([[[1,2,3],[1,2,3],[1,2,3]],[[4,5,6],[4,5,6],[4,5,6]],[[7,8,9],[7,8,9],[7,8,9]]],dtype=np.uint8)
    l = np.array([19,18,7,6,5,4,3,2,1,0])
    m2 = l[m]
    print(m2)
    
test()

输出结果：

[[[18  7  6]
  [18  7  6]
  [18  7  6]]

 [[ 5  4  3]
  [ 5  4  3]
  [ 5  4  3]]

 [[ 2  1  0]
  [ 2  1  0]
  [ 2  1  0]]]

三、小结

本文介绍了numpy数组元素值的高效查表映射机制，在使用该机制时，老猿总结有如下要点：

1. 需要被映射的数组元素只能是有限的非负整数；
2. 映射表中用于映射的数组的元素个数必须是被映射数组元素最大值对应个数+1个；
3. 映射表被映射到的新值可以是任何值，包括字符串，如上例中的l可以是这样的数组：l = np.array(['9','a18.8','ll',6,5,4,3,2,1,0])；
4. 映射时，以：结果表 = 映射表[被映射表] 的形式使用。

四、问题

关于这个知识点，老猿在网上找了半天没有找到相关的介绍，连这种查表映射机制是否有其他名字都不知道。是否还有除以上介绍内容之外的其他方式的映射？不知道哪位大侠可以提供一下资料？或者还有更神奇的numpy使用方法？如果能答疑解惑，不胜感激。

关于图像直方图处理的内容请参考《《数字图像处理》第三章学习总结感悟2：直方图处理》的介绍。

更多图像处理请参考专栏《OpenCV-Python图形图像处理》及《图像处理基础知识》的介绍。

对于缺乏Python基础的同仁，可以通过老猿的免费专栏《 专栏：Python基础教程目录》从零开始学习Python。

如对文章内容存在疑问，可在博客评论区留言，或关注：老猿Python 微信公号发消息咨询，可通过扫博客左边的二维码加微信公众号。

写博不易，敬请支持：

如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！

关于老猿的付费专栏

1. 付费专栏《https://blog.csdn.net/laoyuanpython/category_9607725.html 使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程，对应文章目录为《 https://blog.csdn.net/LaoYuanPython/article/details/107580932 使用PyQt开发图形界面Python应用专栏目录》；
2. 付费专栏《https://blog.csdn.net/laoyuanpython/category_10232926.html moviepy音视频开发专栏 )详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/107574583 moviepy音视频开发专栏文章目录》；
3. 付费专栏《https://blog.csdn.net/laoyuanpython/category_10581071.html OpenCV-Python初学者疑难问题集》为《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的伴生专栏，是笔者对OpenCV-Python图形图像处理学习中遇到的一些问题个人感悟的整合，相关资料基本上都是老猿反复研究的成果，有助于OpenCV-Python初学者比较深入地理解OpenCV，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/109713407 OpenCV-Python初学者疑难问题集专栏目录 》
4. 付费专栏《https://blog.csdn.net/laoyuanpython/category_10762553.html Python爬虫入门 》站在一个互联网前端开发小白的角度介绍爬虫开发应知应会内容，包括爬虫入门的基础知识，以及爬取CSDN文章信息、博主信息、给文章点赞、评论等实战内容。

前两个专栏都适合有一定Python基础但无相关知识的小白读者学习，第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理 》的学习使用。

对于缺乏Python基础的同仁，可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏：Python基础教程目录）从零开始学习Python。

如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。

老猿Python，跟老猿学Python！

☞ ░ 前往老猿Python博文目录 https://blog.csdn.net/LaoYuanPython ░