带Python ndimage通用过滤器的条件逻辑

我正在尝试编写一个python函数来删除2D图像数据中的热像素。我正在尝试生成一个函数，该函数将取2D数组中每个元素周围相邻元素的平均值，如果该元素的值超过其相邻元素的平均值特定的量（例如3西格玛），则有条件地覆盖该元素。这就是我的处境：

def myFunction(values):
    if np.mean(values) + 3*np.std(values) < origin:
        return np.mean(values)

footprint = np.array([[1,1,1],
                      [1,0,1],
                      [1,1,1]])
correctedData = ndimage.generic_filter(data, myFunction, footprint = footprint)

def myFunction（值）：
如果np.平均值+3*np.标准值<原点：
返回np.平均值（值）
footprint=np.数组（[[1,1,1]，
[1,0,1],
[1,1,1]])
correctedData=nImage.generic_过滤器（数据、myFunction、footprint=footprint）

上述代码中的“来源”是说明性的。我知道这是不对的，我只是想展示我想做什么。是否有方法将当前元素的值传递给泛型函数

---

谢谢

您的

footprint

没有将中心值传递回您的函数

我发现使用

size

（相当于使用封装外形中的所有尺寸），然后在回调函数中处理所有问题更容易。因此，在您的例子中，我将提取回调函数中的中心值。大概是这样的：

from scipy.ndimage import generic_filter

def despike(values):
    centre = int(values.size / 2)
    avg = np.mean([values[:centre], values[centre+1:]])
    std = np.std([values[:centre], values[centre+1:]])
    if avg + 3 * std < values[centre]:
        return avg
    else:
        return values[centre]

这将产生（例如）：

现在，您可以应用过滤器：

correctedData = generic_filter(data, despike, size=3)

这消除了我添加的尖峰：

array([[2, 8, 4, 2, 4],
       [9, 4, 7, 6, 5],
       [9, 9, 5, 7, 3],
       [0, 1, 0, 8, 0],
       [9, 9, 7, 6, 0]])

---

啊，这很有道理！谢谢

correctedData = generic_filter(data, despike, size=3)

array([[2, 8, 4, 2, 4],
       [9, 4, 7, 6, 5],
       [9, 9, 5, 7, 3],
       [0, 1, 0, 8, 0],
       [9, 9, 7, 6, 0]])