Image processing 使用scipy.ndimage.uniform_过滤器在天文照片中查找恒星，但对结果感到困惑

我正在夜空中寻找星星，在制作了一个面具后，我使用不同大小的scipy.ndimage.uniform_过滤器来寻找星星。它看起来工作得相当好，但我预计一旦我使用了足够小的尺寸，我会得到更多的点击，因为我进一步缩小了尺寸，但它并没有一直这样做，我只是对此有点困惑

在底部的一个受灾地区附近有一个摘录

下面的代码告诉我：

size: 3, len: 621
size: 4, len: 340
size: 5, len: 200
size: 6, len: 0
size: 7, len: 0
size: 8, len: 24
size: 9, len: 8
size: 10, len: 0
size: 11, len: 0
size: 12, len: 0

为什么6号和7号的点击率为零？这对我来说似乎完全奇怪

 def __init__(self, filename):
        self.good=False
        self.img = scipy.ndimage.imread(filename, flatten=True)

    def checkcandidates(self, meanfact=3.0, maxwindow=25):
        mask = self.img > self.img.mean()*meanfact
        for wsize in range(3,maxwindow):
            m2 = scipy.ndimage.uniform_filter(mask, size=wsize)
            xc,yc = m2.nonzero()
            print("size: %d, len: %d" %(wsize, len(xc)))

这是面具的一部分，以其中一颗星星为中心：

>>> sc1.showCoords(1360,493,10,usemask=True)    
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 1 1 1 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0
0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0
0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0
0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0
0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

---

这看起来像一个bug，或者至少是一个令人讨厌的实现细节，会导致用户代码中出现bug

首先，阅读docstring中的注释：

The multi-dimensional filter is implemented as a sequence of
one-dimensional uniform filters. The intermediate arrays are stored
in the same data type as the output. Therefore, for output types
with a limited precision, the results may be imprecise because
intermediate results may be stored with insufficient precision.

让我们看看输入数组的一行是如何被不同大小的过滤器处理的

下面是一个小的一维输入：

In [416]: x
Out[416]: array([0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0])

随着尺寸的增加，使用均匀的过滤器1d：

In [417]: from scipy.ndimage.filters import uniform_filter1d

In [418]: uniform_filter1d(x, 3)
Out[418]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0])

In [419]: uniform_filter1d(x, 4)
Out[419]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0])

In [420]: uniform_filter1d(x, 5)
Out[420]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0])

In [421]: uniform_filter1d(x, 6)
Out[421]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

In [422]: uniform_filter1d(x, 7)
Out[422]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

In [423]: uniform_filter1d(x, 8)
Out[423]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0])

In [424]: uniform_filter1d(x, 9)
Out[424]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

与您的示例一样，当大小为6或7时，输出为全零

我怀疑这是一个浮点精度问题。请注意，将输入设为浮点值数组时会发生什么情况：

In [439]: f = uniform_filter1d(x.astype(float), 6)

In [440]: f
Out[440]: 
array([  0.00000000e+00,   0.00000000e+00,   0.00000000e+00,
         0.00000000e+00,   0.00000000e+00,   0.00000000e+00,
         1.66666667e-01,   3.33333333e-01,   5.00000000e-01,
         6.66666667e-01,   8.33333333e-01,   1.00000000e+00,
         1.00000000e+00,   1.00000000e+00,   1.00000000e+00,
         8.33333333e-01,   6.66666667e-01,   5.00000000e-01,
         3.33333333e-01,   1.66666667e-01,   5.55111512e-17,
         5.55111512e-17,   5.55111512e-17])

In [441]: f.max()
Out[441]: 0.99999999999999989

<> P>因此，使用浮点计算的中间值在输出的中间不给出1的期望值。将此数组转换回输入数据类型int时，结果为全零：

In [442]: f.astype(int)
Out[442]: array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

---

考虑到这种行为，我建议在调用uniform_filter之前将输入数组转换为浮点，并添加最后一个步骤，以您控制的方式将结果转换回整数，并匹配您希望对命中进行分类的方式。甚至可以完全使用不同的函数。

Aha，我刚刚用1D数组进行了实验，发现了这个，我回来是想添加一条注释的！。奇怪的是，到目前为止，这只发生在6点和7点，8点又恢复了。虽然我相信代码应该是圆的，但创建一个浮点数组并使用输出参数并不是转换输入数组