Pythonで画像で読み込んだ配列を扱うときエラーが起こる

Question

Pythonで災害領域検出の画像処理プログラムを作っています。
実行しているとfor文内で以下のようなメモリエラーが発生します。

Traceback (most recent call last):
  File ".\ana.py", line 42, in <module>
    lnd,fld = methods.detection()
  File "C:\Users\cs17090\Saji-Lab\researchSaji\programs\methods.py", line 
110, in detection
    landslide = (Lp<180)&(ap>128)&(sp>70)&(edge>100)
MemoryError: Unable to allocate array with shape (40811, 40811) and data type bool

画像の領域１つ毎に検出をするプログラムを書いているのですが、どうも領域のサイズが大きい箇所でメモリエラーを起こすようです。
ただ、気になるのがedgeという画像配列を用いずにこのプログラムを実行するとエラーが発生しません。
それに、領域が大きいと言っても40811サイズの１次元配列比較なのでそんな簡単にメモリが不足するものなのでしょうか。

どなたか、解決方法ございましたら教えていただきたいです。

以下の２つが今回用いたプログラムで、入力画像サイズはimgが(218,500,3)でedgeが(218,500)です。

import cv2
import numpy as np
import matplotlib.pyplot as plt
import methods


# 入力画像読込
#   - png形式画像を用いるのが好ましい
#   - 本来の画像サイズ(1800x1080 pix)での処理が好ましい
# img = cv2.imread('images/madslide11.jpg', cv2.IMREAD_COLOR)
img = cv2.imread('images/madslide12.jpg', cv2.IMREAD_COLOR)
# img = cv2.imread('images/smallimage.jpg', cv2.IMREAD_COLOR)

# オリジナル画像保存
# import pdb; pdb.set_trace()
org = img.copy()
cv2.imwrite('results/original.png', org)

# 画像ファイル
#   - 画像データを処理プログラムに送る
methods.image(org,img)

# PyMeanShift
#   - Lab変換後の画像に適用
#   - 第１引数：探索範囲、第２引数：探索色相、第３引数：粗さ
methods.meanshift(12,3,200)

# ヒストグラム均一化
#   - Lab変換して処理した方が好ましい可能性がある
#   - 明度以外の要素も均一化した方が好ましい可能性がある
methods.equalization()

# 類似色統合
methods.clustering()

# カラーラベリング
methods.labeling()

# 災害領域検出
#   - 斜面崩壊・瓦礫でピクセル穴がある　
#   - 浸水検出結果で緑色のノイズがある
lnd,fld = methods.detection()

import cv2
import numpy as np
import pymeanshift as pms
import matplotlib.pyplot as plt
import matplotlib as mpl
from PIL import Image
from collections import deque

def image(_org,_img):
  global org,img,h,w,c
  global bo,go,ro,al
  
  org,img = _org,_img
  h,w,c = img.shape
  bo,go,ro = cv2.split(org)
  al = 0.55

def meanshift(spatial_radius,range_radius,min_density):
  global img
  lab_img, labels, num_seg = pms.segment(cv2.cvtColor(img, cv2.COLOR_BGR2Lab), spatial_radius, range_radius,min_density)
  new_rgb_img = cv2.cvtColor(lab_img, cv2.COLOR_Lab2BGR)

  img = new_rgb_img
  return (new_rgb_img, labels, num_seg)

def equalization():
  global img
  hsv_img = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
  h, s, v = cv2.split(hsv_img)

  clahe = cv2.createCLAHE(clipLimit=2.0, tileGridSize=(3, 3))
  new_v = clahe.apply(v)

  hsv_clahe = cv2.merge((h, s, new_v))
  new_rgb_img = cv2.cvtColor(hsv_clahe, cv2.COLOR_HSV2BGR)

  img = new_rgb_img
  return new_rgb_img

def clustering():
  global img
  img = Image.fromarray(img)
  img_q = img.quantize(colors=128, method=0, dither=1)
  a = np.asarray(img_q)

  img = np.stack([a]*3, axis=2)
  return np.stack([a]*3, axis=2)

def approximation(pix1, pix2):
  dif = abs(pix1 - pix2)
  dv = 15
  return (dif < dv).all()

def neighbours(idx, lim):
  w, h, _ = lim
  i, j = idx
  return sorted([
    (i + n, j + m)
    for n in range(-1, 2)
    for m in range(-1, 2)
    if not (n == 0 and m == 0) and i + n >= 0 and j + m >= 0 and i + n < w and j + m < h
  ])

def relabeling(dummy, src, idx, labels, label):
  q = deque([idx])
  while len(q) > 0:
    idx = q.popleft()
    labels[idx] = (label * 5, label * 10, label * 30)
    dummy[idx] = label
    ns = neighbours(idx, src.shape)
    q.extendleft(n for n in ns if approximation(src[n], src[idx]) and dummy[n] == 0)

def labeling():
  global img,dummy,label

  dummy = np.zeros((h, w), dtype=int)
  labels = np.zeros((h, w, c), dtype=int)
  label = 1

  it = np.nditer(img, flags=['multi_index'], op_axes=[[0, 1]])
  for n in it:
    if dummy[it.multi_index] == 0:
      relabeling(dummy, img, it.multi_index,labels, label)
      label += 1

  print('label number :',label)

  np.savetxt('results/dummy.txt',dummy.astype(np.uint8),fmt='%d')
  with open('results/label.txt', 'w') as f:
    print(label, file=f)
  cv2.imwrite('results/labeling.png', labels.astype(np.uint8))
  cv2.imwrite('results/dummy.png', dummy.astype(np.uint8))

def detection():
  bl,gl,rl = cv2.split(org)
  bf,gf,rf = cv2.split(org)
  _lnd,_fld = np.full((h,w), 255),np.full((h,w), 255)

  lab,hsv = cv2.cvtColor(img,cv2.COLOR_BGR2Lab),cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
  _dis = cv2.imread('results/tex/dissimilarity.png', cv2.IMREAD_GRAYSCALE)
  _edge = cv2.imread('results/edge/canny.png', cv2.IMREAD_GRAYSCALE)
  # 領域単位での投票処理
  for l in range(1,label+1):
    idx = np.where(dummy==l)

    Lp,ap,bp = np.split(lab[idx],3,axis=1)
    hp,sp,vp = np.split(hsv[idx],3,axis=1)
    dis,edge = _dis[idx],_edge[idx]

    landslide = (Lp<180)&(ap>128)&(sp>70)&(edge>100)
    _flooded = (Lp>135)&(ap>128)&(sp<=70)
    flooded = _flooded&(~landslide)

    if (np.count_nonzero(landslide)>np.count_nonzero(~landslide)):
      bl[idx],gl[idx],rl[idx] = (bo[idx]),(go[idx]),(ro[idx]*al+250*(1-al))
      _lnd[idx] = 0

    if (np.count_nonzero(flooded)>np.count_nonzero(~flooded)):
      bf[idx],gf[idx],rf[idx] = (bo[idx]),(go[idx]*al+250*(1-al)),(ro[idx]*al+250*(1-al))
      _fld[idx] = 0
 
  lnd,fld = np.dstack((np.dstack((bl,gl)),rl)),np.dstack((np.dstack((bf,gf)),rf))

  cv2.imwrite('results/landslide.png', lnd)
  cv2.imwrite('results/flooded.png', fld)
  cv2.imwrite('results/_landslide.png', _lnd)
  cv2.imwrite('results/_flooded.png', _fld)

  return _lnd,_fld

Answer 1

edgeの読み込みをグレースケールでなくカラー画像として読み込み、分割したところメモリエラーを起こさずに実行できました。

（中略）
 _dis = cv2.imread('results/tex/dissimilarity.png', cv2.IMREAD_COLOR)
  _edge = cv2.imread('results/edge/canny.png', cv2.IMREAD_COLOR)


  # 領域単位での投票処理
  for l in range(1,label+1):
    idx = np.where(dummy==l)
    # print(dummy)
    # print(l)

    Lp,ap,bp = np.split(lab[idx],3,axis=1)
    hp,sp,vp = np.split(hsv[idx],3,axis=1)
    edge,e1,e2 = np.split(_edge[idx],3,axis=1)

    landslide = (Lp<180)&(ap>128)&(sp>70)&(edge>100)
    _flooded = (Lp>135)&(ap>128)&(sp<=70)
    flooded = _flooded&(~landslide)