Question

对于图像处理工作流程，我需要能够将内核应用于图像以创建新矩阵，如下所示：

对输入的10x10矩阵进行迭代，并在每个位置确定矩阵元素3x3邻域中的范围（最大值与最小值之差），并将此范围存储在新的10x10矩阵中的相应位置。我该怎么办？

如果我有一个4x4矩阵示例：

我的函数应该获得该矩阵的3x3子集的范围，以16个元素中的每个元素为中心，并创建一个包含这些范围的新4x4矩阵。以上矩阵的结果应为：

我正在尝试在NumPy中实现它，但是如果可以在OpenCV或Skimage中实现，请告诉我。

Answer 1

在附近的最小值由形态腐蚀给出，而最大值由膨胀引起。这些几乎可以由任何图像处理工具箱（包括OpenCV，SciKit和我自己的PyDIP）来计算。在这里，我将使用SciPy ndimage。膨胀和侵蚀之间的区别就是您所说的“范围”。

from scipy import ndimage
import numpy as np

# a is input array, here 5x5 because it's easy to display to the terminal
a = np.random.randint(30, size=(5,5))

mn = ndimage.grey_erosion(a, size=(3,3))
mx = ndimage.grey_dilation(a, size=(3,3))
b = mx - mn

Answer 2

import numpy as np
rows = arr.shape[0]
cols = arr.shape[1]

diff = np.zeros(shape=(rows,cols))

for i in range(rows):
    for j in range(cols):
         if i == 0:
            if j== 0:
                a = arr[i:i+2, j:j+2]
                diff[i][j] = np.amax(a) - np.amin(a)
            elif j == cols:
                a = arr[i:i+2, j-1:j+1]
                diff[i][j] = np.amax(a) - np.amin(a)
            else:
                a = arr[i:i+2, j-1:j+2]
                diff[i][j] = np.amax(a) - np.amin(a)
        elif i == rows:
            if j== 0:
                a = arr[i-1:i+1, j:j+2]
                diff[i][j] = np.amax(a) - np.amin(a)
            elif j == cols:
                a = arr[i-1:i+1, j-1:j+1]
                diff[i][j] = np.amax(a) - np.amin(a)
            else:
                a = arr[i-1:i+1, j-1:j+2]
                diff[i][j] = np.amax(a) - np.amin(a)
        elif j == 0:
            a = arr[i-1:i+2, j:j+2]
            diff[i][j] = np.amax(a) - np.amin(a)
        elif j == cols:
            a = arr[i-1:i+2, j-1:j+1]
            diff[i][j] = np.amax(a) - np.amin(a)
        else:
            a = arr[i-1:i+2, j-1:j+2]
            diff[i][j] = np.amax(a) - np.amin(a)

print（diff）

如何在更大的2D矩阵中计算局部3x3范围？

2 个答案: