Python 掩蔽阵列的中值滤波

我在这个论坛上看到了一些关于计算掩蔽阵列（如图像）中值的讨论。我想要的是稍微微妙一点，就是在我的图像上应用一个中值滤波器。我知道一种方法，但是太慢了，我希望能加快这个过程

例如，假设我有一个掩蔽的形状数组（10,10），我想应用一个中值滤波器，其中一个框（3,3）不使用那些被掩蔽的元素。我的目标是将图像中每个像素的值替换为框的遮罩中值的值

假设情况非常简单，我们可以将“图像”和遮罩构建为：

 im = numpy.random.uniform(size=(10,10))
 mask = numpy.zeros_like(im)
 mask[1:3,:] = 1
 masked_im = numpy.ma.array(im, mask=mask)

现在，为了实际制作中值滤波器，我们可以通过以下方法进行强力操作：

 lx, ly = im.shape
 side = 3
 im_filt = numpy.zeros_like(im)
 for jj in range(ly):
     for ii in range(lx):
         minx, maxx = max([ii-side/2,0]), min([ii+side/2+1,lx])
         miny, maxy = max([jj-side/2,0]), min([jj+side/2+1,ly])
         im_filt[ii,jj] = numpy.ma.median(masked_im[minx:maxx, miny:maxy])

这解决了问题，并给出了一个很好的结果，但正如我所说的，速度非常慢。一种（对我来说，令人惊讶的）稍微加快处理速度的方法是分别使用遮罩和图像，如：

 im_filt2 = numpy.zeros_like(im)
 for jj in range(ly):
     for ii in range(lx):
         minx, maxx = max([ii-side/2,0]), min([ii+side/2+1,lx])
         miny, maxy = max([jj-side/2,0]), min([jj+side/2+1,ly])
         zoom_im = im[minx:maxx, miny:maxy]
         zoom_msk = mask[minx:maxx, miny:maxy]
         im_filt2[ii,jj] = numpy.median(zoom_im[zoom_msk == 0]) 

这将执行时间从0.018增加到0.002，如果不是我所寻找的因数~50，这显然更好（为什么？？）

---

有输入吗？

我想差异主要是由于访问MaskedArray对象（这是ndarray的一种包装器）的开销造成的

---

对于numpy中的高效中值滤波器，您也可以尝试。它还接受一个掩码参数。

它现在在包中。上面的两个链接似乎不再起作用了，知道它现在在哪里吗？谢谢报道。以下是一个新链接：