博客探讨了numpy数组在直方图均衡化中的高级索引运用，尤其是如何将像素的灰度值作为数组索引。作者通过分析，解释了为何可以使用三维数组对一维integral数组进行索引，并指出该操作只适用于numpy数组而非普通列表，且必须确保索引值在数组范围内。博客揭示了numpy数组索引的灵活性和在图像处理中的实用价值。
numpy数组高级索引
今天在复习CV课上的直方图均衡化的代码，整个原理都弄清楚了，但是对于其中几行代码的实现过程一直非常难以理解（一上午痛苦了好久QAQ），不过幸好终于弄明白了，记录一下。
这是直方图均衡化的一种标准代码：
疑惑点在于integral
how does it become a function???
第一反应是去查找Python的函数功能，难道不用def也可以吗？？？查了半天感觉不太对。
然后我冷静下来回想一下原理，直方图均衡化的关键在于一个映射/函数，它把原图片每个点的灰度值映射到另一个灰度值，范围都是0到255的整数，Integral是一个一维数组，有256个位置，integral代表的不就是原来为i的灰度值映射到Integral[i]去吗？
但是integral[b]是什么意思呢？
按照我们的拆分，把一个彩色图像分成bgr三个通道，现在他们都是三维数组，为什么三维数组可以作为Integral的索引呢？
首先我先自己试了一下
integral = np.array([2, 1, 0])
integral1 = [2, 1, 0]
a = np
最低0.47元/天 解锁文章
539
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
