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:Python 掩蔽阵列的中值滤波,python,numpy,filtering,median,Python,Numpy,Filtering,Median,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 = nump
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: