Question

是否有类似于ndimage的{{3}}的过滤器支持向量输出？我没有设法使scipy.ndimage.filters.generic_filter返回超过标量。取消注释以下代码中的行以获取错误：TypeError: only length-1 arrays can be converted to Python scalars。

我正在寻找一个处理2D或3D数组的通用过滤器，并在每个点返回一个向量。因此，输出将具有一个附加维度。对于下面的例子，我希望这样的事情：

m.shape    # (10,10)
res.shape  # (10,10,2)

示例代码

import numpy as np
from scipy import ndimage

a = np.ones((10, 10)) * np.arange(10)

footprint = np.array([[1,1,1],
                    [1,0,1],
                    [1,1,1]])

def myfunc(x):
    r = sum(x)
    #r = np.array([1,1])  # uncomment this
    return r

res = ndimage.generic_filter(a, myfunc, footprint=footprint)

Answer 1

generic_filter期望myfunc返回标量，而不是向量。但是，没有任何内容可以阻止添加信息的myfunc 比方说，作为额外参数传递给myfunc的列表。

我们可以通过重新整理此列表来生成矢量值数组，而不是使用generic_filter返回的数组。

例如，

import numpy as np
from scipy import ndimage

a = np.ones((10, 10)) * np.arange(10)

footprint = np.array([[1,1,1],
                      [1,0,1],
                      [1,1,1]])

ndim = 2
def myfunc(x, out):
    r = np.arange(ndim, dtype='float64')
    out.extend(r)
    return 0

result = []
ndimage.generic_filter(
    a, myfunc, footprint=footprint, extra_arguments=(result,))
result = np.array(result).reshape(a.shape+(ndim,))

Answer 2

我想我得到了你所要求的，但我不完全确定ndimage.generic_filter是如何工作的（来源有多深奥！）。

这里只是一个简单的包装函数。此函数将接受一个数组，所有参数ndimage.generic_filter都需要。函数返回一个数组，其中前一个数组的每个元素现在由形状为（2，）的数组表示，函数的结果存储为该元素的第二个元素阵列。

def generic_expand_filter(inarr, func, **kwargs):
    shape = inarr.shape
    res = np.empty((  shape+(2,) ))
    temp = ndimage.generic_filter(inarr, func, **kwargs)
    for row in range(shape[0]):
        for val in range(shape[1]):
            res[row][val][0] = inarr[row][val]
            res[row][val][1] = temp[row][val]
    return res

输出，其中res仅表示generic_filter而res2表示generic_expand_filter，此函数为：

>>> a.shape #same as res.shape
(10, 10)
>>> res2.shape
(10, 10, 2)

>>> a[0]
array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])
>>> res[0]
array([  3.,   8.,  16.,  24.,  32.,  40.,  48.,  56.,  64.,  69.])
>>> print(*res2[0], sep=", ") #this is just to avoid the vertical default output
[ 0.  3.], [ 1.  8.], [  2.  16.], [  3.  24.], [  4.  32.], [  5.  40.], [  6.  48.], [  7.  56.], [  8.  64.], [  9.  69.]

>>> a[0][0]
0.0
>>> res[0][0]
3.0
>>> res2[0][0]
array([ 0.,  3.])

当然，您可能不想保存旧数组，而是将这两个字段作为新结果。除了我不知道您到底想要了什么，如果您想要存储的两个值不相关，只需添加temp2和func2并使用相同的{{{}调用另一个generic_filter 1}}并将其存储为第一个值。

但是，如果你想要一个使用多个**kwargs元素计算的实际矢量，这意味着两个新创建的字段不是独立的，你只需编写一种函数，一个它接受一个数组inarr，idx索引并返回一个元组\ list \ array值，然后你可以将其解包并分配给结果。

具有多维（或非标量）输出的Scipy滤波器

2 个答案: