Question

我试图从数据集中分离沿海网格。我能够通过单独检查陆地网格的每个邻居来做到这一点，如果8个邻居中的一个是海洋网格，那么我将保存网格。这是我写的功能：

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

我想知道是否：

使用scipy的卷积窗函数有一种不那么难看的方式吗？
扩展这样的功能，有没有办法将陆地网格与海岸线的10个半径隔离？

谢谢！

Answer 1

使用图像形态运算符

您目前正在做的是等同于原始布尔数组与其binary erosion之间的差异。

这与morphological gradient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屿：

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()

我们可以通过侵蚀岛屿来计算海岸线：

import scipy.ndimage
erosion = scipy.ndimage.binary_erosion(land)

然后看看哪里有任何差异：

coast = land != erosion

方形与对角线连接

默认情况下，它使用“方形”连接。换句话说，它不会将对角线视为触摸。默认结构（a.k.a。“footprint”）如下所示：

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

在你的代码中，你假设对角线正在触摸。在这种情况下，您需要“完整”连接，以及看起来像这样的结构：

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

为此，我们指定类似于：

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()

使用形态学梯度

您也可以考虑使用形态渐变算子。这是给定输入和连接足迹的二进制扩张和二进制侵蚀之间的差异。

在你的情况下，它还包括与陆地接壤的海洋像素，以及与海洋接壤的陆地像素。实际上，它会给你更厚的边框。

举个例子：

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

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()

Answer 2

我不确定scipy的卷积功能，但上面的一个版本是有点terser循环位移索引：

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

使用卷积窗口（python）

2 个答案:

使用图像形态运算符

方形与对角线连接

使用形态学梯度