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?
答案 0 :(得分: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。