Numpy 如何仅处理（拉伸）高斯混合信号？

我有两个高斯的混合物，我用GMM来分离。一旦我预测并知道哪个数据点属于哪个高斯（0-背景，1-信号），我只想处理信号部分。处理可以类似于直方图均衡或剪裁，但仅限于结果为1（信号）。请提供一个例子说明我可能如何做到这一点，因为

img

是原始图像，

pred

是来自GMM的预测

img = cv2.imread(path, -1)
img_flatten = img.flatten().reshape(img.flatten().shape[0],1)

gmm = GaussianMixture(n_components=2, covariance_type='full')
gmm.fit(img_flatten)
pred = gmm.predict(img_flatten)

---

通过从平面图像中选择预测为

1

的所有部分，可以检索平面图像中的信号：

signal = img_flatten[pred==1]

我不熟悉您想要的处理方法，但对于超过例如0.5的剪裁值，您可以使用：

signal[signal>0.5] = 0.5

最后，您可以重建处理后的图像：

img_flatten[pred==1] = signal
processed_img = img_flatten.reshape(img.shape)

编辑： 我刚刚发现cv2提供了一种直方图均衡化方法，因此您可以使用它来处理信号数据，而不是我上面所写的：

signal = cv2.equalizeHist(signal)

---

你能演示一下我如何对所选信号（作为图像的一部分）进行直方图均衡化或剪裁吗？我不确定你想要什么，但我添加了几行。我希望这对你有帮助。我一直在寻找类似的东西，但是谢谢你的代码。现在呢？我刚刚发现cv2已经提供了函数

signal=cv2。均衡器hist（signal）

不起作用，因为信号不是整个图像。主要的问题是，如何在处理信号部分后恢复整个图像。另一种方法是处理选定的像素，而不将其与图像分离。如果我有一个函数

stretch（..）

，我想应用于仅为信号（1）的像素，我该怎么做？