Numpy 对一串向量进行量化有什么简便写法吗

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 904 天前的主题，其中的信息可能已经有所发展或是发生改变。

如题，生成图片指纹过程中为了压缩信息量需要对像素值进行量化，比如一个像素的原始 rgb 取值范围是 0-255 ，希望将其压缩到 0-16 的取值范围里，即处理过程中 0-16 统一标记为 0 ，16-32 统一标记为 1 ，32-48 统一标记为 2 以此类推，类似这种转换有什么内建的写法吗？还是说要自己写 16 次 if 判断。。

另外还有一种情况是，量化可能不按照线性量化，根据像素的分布概率也有可能按对数坐标量化，感觉更麻烦了。。

量化

取值

标记

写法

4 条回复 • 2022-05-19 16:44:52 +08:00

liprais

2022-05-19 14:17:13 +08:00

sklearn 里面有

volvo007

2022-05-19 15:48:44 +08:00

如 LS 所说 sklearn 里面有, 找缩放的部分
这个要手写也简单, 主要分为两部分
1. rgb 转为灰度图, 这个有公式
2. 转完之后是一个 0 - 255 的小数, // 16 即可

ipwx

2022-05-19 15:53:04 +08:00

1)

import numpy as np
im = np.array([0,1,15,16])
np.asarray(im / 16, dtype=int) # array([0, 0, 0, 1])

2)
随便运算，最后取整。

tinytoadd

2022-05-19 16:44:52 +08:00

```
import numpy as np

def compress(val):
return val//16

vcomp = np.vectorize(compress)

pic = (np.random.rand(100,100,1) * 255).astype('uint8')
print(pic)

pic[...,0]=vcomp(pic[...,0])
print(pic)

```