Question

我在这个论坛上看到了几个关于计算掩码阵列中位数的讨论，比如图像。我想要的是稍微更微妙，它是在我的图像上应用中值滤镜。我知道一种方法，但速度太慢，并且会喜欢加速这个过程的方法。

例如，假设我有一个蒙版形状数组（10,10），并且我想应用带有框（3,3）的中值滤镜，而不使用那些被遮罩的元素。我的目标是用图像的每个像素中的值替换该框的掩蔽中值。

假设一个非常简单的情况，我们可以将“图像”和掩码构建为：

 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，我们可以用蛮力的方式做到：

 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，它是非常缓慢的。一个（对我而言，令人惊讶）稍微加快过程的方法是分别使用蒙版和图像，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])

这使执行时间从0.018到0.002，这显然更好（为什么??），如果不是我想要的因素~50。

任何输入？

Answer 1

我猜这种差异主要是由于访问MaskedArray对象（这是ndarray的一种包装）的开销。

对于numpy中有效的中值滤波器，您也可以尝试scikit-image。它还接受一个掩码参数。

掩码数组的中值过滤器

1 个答案: