python中的环形中值滤波器

我想实现一个环形中值滤波器——它所做的基本上是用一个圆环中像素的中值替换中心像素。 我可以做一个半径像这样的圆形面具

kernel = np.zeros((2*radius+1, 2*radius+1))
y,x = np.ogrid[-radius:radius+1, -radius:radius+1]
mask = x**2 + y**2 <= radius**2
kernel[mask] = 1

上面的遮罩包括圆内的像素。圆周上应该有什么像素对我来说似乎有点模棱两可（想想3*3、5*5、7*7内核内接的圆）。是否有一个“环”功能，我可以使用OTS或什么

为什么会这样-尝试使用本文中的一部分环形中值滤波器，从原始图像中减去后，留下的对象的比例大小小于半径

---

另外，不确定我是否应该在RGB中执行此操作。我只见过灰度图像上的中值滤波器

对圆使用Bresenham算法

---

Scipy generic filter和这个环形中位数内核在实践中相当慢，至少在python中是这样的

钢丝形状是一条链，而不是省略号的一部分。嗯，你指的是悬链线曲线吗？减去环形中值滤波器的想法是保持元素小于半径的比例（根据链接的文章）。或者你的意思是，在内核中，环的形状不正确，环的形状与悬链线曲线不匹配，因此检测将很差。泰雷兹直升机公司（前欧洲直升机公司）有一项专利，专门使用链条形状来匹配悬链线曲线。（附言：我不是那个投反对票的人…）这很有趣。你能把专利链接起来吗？找不到它。旁白：不用担心：），让他们憎恨，呵呵。来自“弗朗索瓦·泽维尔·菲利亚斯和让·塞奎拉”的专利，但我不知道数字。你可以简单地计算出戒指的相对坐标，然后应用到你的图像上。这与在数学形态学中应用自定义结构元素类似。是的，这正是我的问题-确切的相对坐标是什么。假设0,0是11*11内核的中心，那么圆的坐标是多少。它有点模棱两可，因此Bresenham算法（见下面我的答案）看起来不错。这里有一个老问题，它使用高斯2D，但是对于这个条件，

ring=ring>eps&ring最简单的方法是在应用中值滤波器之前，计算环坐标。在您的情况下，您可以从点（0,5）开始，然后用一小步跟踪圆/环形状（比如一次跟踪一个度），但您必须检查新点是否尚未进入列表。
import scipy.ndimage.filters as scp_filt
circular_median = scp_filt.generic_filter(my_image, np.median, footprint=kernel)