使用卷积窗口（python）隔离海岸网格_Python_Numpy_Image Processing_Scipy

使用卷积窗口（python）隔离海岸网格

python numpy image-processing

使用卷积窗口（python）隔离海岸网格,python,numpy,image-processing,scipy,Python,Numpy,Image Processing,Scipy,我正在尝试从数据集中隔离海岸网格。我可以通过单独检查陆地网格的每个邻居来完成，如果8个邻居中有一个是海洋网格，那么我正在保存网格。以下是我编写的函数： def coastalGrids(ds): grid=~out[0,:,:].mask #out is a 3D masked array (time,lat,lon) #At each grid where there is land, check all its 8 neighbors, #and if any of them are o

我正在尝试从数据集中隔离海岸网格。我可以通过单独检查陆地网格的每个邻居来完成，如果8个邻居中有一个是海洋网格，那么我正在保存网格。以下是我编写的函数：

def coastalGrids(ds):
grid=~out[0,:,:].mask #out is a 3D masked array (time,lat,lon)

#At each grid where there is land, check all its 8 neighbors, 
#and if any of them are ocean, save the grid to the dataset
coastline=np.zeros(grid.shape, dtype=bool)
for i in range(1,len(lat)-1):
    for j in range(1,len(lon)-1):
        if grid[i,j]==True:
            if (grid[i+1,j+1]!=True):
                coastline[i,j]= grid[i,j]
            elif (grid[i+1,j]!=True):
                coastline[i,j]= grid[i,j]
            elif (grid[i+1,j-1]!=True):
                coastline[i,j]= grid[i,j]
            elif (grid[i,j+1]!=True):
                coastline[i,j]= grid[i,j]
            elif (grid[i,j-1]!=True):
                coastline[i,j]= grid[i,j]
            elif (grid[i-1,j+1]!=True):
                coastline[i,j]= grid[i,j]
            elif (grid[i-1,j]!=True):
                coastline[i,j]= grid[i,j]
            elif (grid[i-1,j-1]!=True):
                coastline[i,j]= grid[i,j]
return coastline

我想知道：

有一种不那么丑陋的方法可以做到这一点，比如说使用scipy的卷积windows函数

扩展这种功能，有没有办法将陆地网格与海岸线隔离10个网格

谢谢

我不确定scipy的卷积功能，但上面的一个版本更简洁，它可以循环置换索引：

neighbours = [(1,1), (1,0), (1,-1), (0,1),
              (0,1), (-1,1), (-1, 0), (-1,-1)]
for i in range(1,len(lat)-1):
    for j in range(1,len(lon)-1):
        if grid[i,j]==True:
            for (di, dj) in neighbours:
                if (grid[i+di,j+dj] != True:
                    coastline[i,j]= grid[i,j]
                    break

我不确定scipy的卷积功能，但上面的一个版本更简洁一些，就是循环置换索引：

neighbours = [(1,1), (1,0), (1,-1), (0,1),
              (0,1), (-1,1), (-1, 0), (-1,-1)]
for i in range(1,len(lat)-1):
    for j in range(1,len(lon)-1):
        if grid[i,j]==True:
            for (di, dj) in neighbours:
                if (grid[i+di,j+dj] != True:
                    coastline[i,j]= grid[i,j]
                    break

使用图像形态学算子您当前所做的操作相当于原始布尔数组与其属性之间的差异

这与定义密切相关，但定义略有不同

无论如何，假设我们有一个非常简单的岛：

import numpy as np
import matplotlib.pyplot as plt

y, x = np.mgrid[-10:10:20j, -10:10:20j]
land = np.hypot(x, y) < 7

fig, ax = plt.subplots()
ax.pcolormesh(land, cmap='gray', edgecolor='gray', antialiased=True)
plt.show()

然后看看有什么不同：

coast = land != erosion

正方形与对角连通性默认情况下，这使用“方形”连接。换句话说，对角线不算是接触。默认结构（也称为“footprint”）如下所示：

[[0, 1, 0],
 [1, 1, 1],
 [0, 1, 0]]

[[1, 1, 1],
 [1, 1, 1],
 [1, 1, 1]]

在您的代码中，假设对角线相接触。在这种情况下，您需要“完全”连接，并且结构如下所示：

[[0, 1, 0],
 [1, 1, 1],
 [0, 1, 0]]

[[1, 1, 1],
 [1, 1, 1],
 [1, 1, 1]]

为此，我们将指定类似的内容：

erosion = scipy.ndimage.binary_erosion(land, structure=np.ones((3,3)))

作为一个完整的例子：

import numpy as np
import matplotlib.pyplot as plt
import scipy.ndimage

y, x = np.mgrid[-10:10:20j, -10:10:20j]
land = np.hypot(x, y) < 7

erosion = scipy.ndimage.binary_erosion(land, structure=np.ones((3,3)))
coast = land != erosion

fig, ax = plt.subplots()
ax.pcolormesh(coast, cmap='gray', edgecolor='gray', antialiased=True)
plt.show()

将numpy导入为np
将matplotlib.pyplot作为plt导入
导入scipy.ndimage
y、 x=np.mgrid[-10:10:20j，-10:10:20j]
陆面=np.hypot（x，y）<7
侵蚀=scipy.ndimage.binary_侵蚀（土地，结构=np.one（（3,3）））
海岸=陆地！=腐蚀
图，ax=plt.子批次（）
ax.pcolormesh（coast，cmap='gray'，edgecolor='gray'，抗锯齿=True）
plt.show（）

使用形态学梯度

你也可以考虑使用形态梯度算子。这是给定输入和连接足迹的二进制膨胀和二进制侵蚀之间的差异

在您的例子中，它还将包括与陆地相邻的海洋像素，以及与海洋相邻的陆地像素。实际上，它会给你更厚的边界

例如：

import numpy as np
import matplotlib.pyplot as plt
import scipy.ndimage

y, x = np.mgrid[-10:10:20j, -10:10:20j]
land = np.hypot(x, y) < 7

coast = scipy.ndimage.morphological_gradient(land,
                                            footprint=[[0, 1, 0],
                                                       [1, 1, 1],
                                                       [0, 1, 0]])

fig, ax = plt.subplots()
ax.pcolormesh(coast, cmap='gray', edgecolor='gray', antialiased=True)
plt.show()

将numpy导入为np
将matplotlib.pyplot作为plt导入
导入scipy.ndimage
y、 x=np.mgrid[-10:10:20j，-10:10:20j]
陆面=np.hypot（x，y）<7
海岸=scipy.ndimage.形态梯度（陆地，
footprint=[[0,1,0]，
[1, 1, 1],
[0, 1, 0]])
图，ax=plt.子批次（）
ax.pcolormesh（coast，cmap='gray'，edgecolor='gray'，抗锯齿=True）
plt.show（）

使用图像形态学操作符您当前所做的操作相当于原始布尔数组与其属性之间的差异