圆形邻域-最小Numpy
圆形邻域-最小Numpy
提问于 2015-04-15 11:41:23
我想在二维numpy数组上应用一个圆形邻域操作，其中每个像素值被圆形邻域内的最小值(radius = x)替换。
我可以应用一个基于内核的generic_filter，并得到最小值，但是操作需要一个方形的邻域，所以输出不正确。
我尝试使用for循环并使用radius查找表执行操作，这基本上是一个数组，它给出了与第一个像素的距离，并使用if条件来获得最小值。就像这样：
import numpy as np
radiusGrid = np.random.randint(6, size=100).reshape(10,10)
radiusLUT = np.ones((6,6))
print radiusGrid
for i in xrange(6):
for j in xrange(6):
radiusLUT[i][j] = max(i,j) + (min(i,j)/2)
radius = 3
for y in xrange(10):
intermediateGridRow = intermediateGrid[y]
centerRadiusGridRow = radiusGrid[y]
for x in xrange(10):
startRow = max(y - radius,0)
startCol = max(x - radius,0)
endRow = min(y + radius +1, 10)
endCol = min(x + radius +1, 10)
minRadius = centerRadiusGridRow[x]
for row in xrange(startRow,endRow):
radiusGridRow = radiusGrid[row]
radiusLUTRow = radiusLUT[abs(y-row)]
for col in xrange(startCol,endCol):
if radiusLUTRow[abs(x-col)] < radius and radiusGridRow[col] < minRadius:
minRadius = radiusGridRow[col]
intermediateGridRow[x] = minRadius
intermediateGrid[y] = intermediateGridRow
print intermediateGrid上面的建造是为了在半径3的范围内得到最小值。
for循环实现确实有效，但对于较大的数组则是缓慢的。我不喜欢使用Cython或f2py。有什么方法可以优化这个吗？
回答 1
Stack Overflow用户
回答已采纳
发布于 2015-04-15 11:51:58
import numpy as np
from scipy.ndimage.filters import generic_filter as gf
kernel = np.zeros((2*radius+1, 2*radius+1))
y,x = np.ogrid[-radius:radius+1, -radius:radius+1]
mask = x**2 + y**2 <= radius**2
kernel[mask] = 1
#calculate
circular_min = gf(data, np.min, footprint=kernel)页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/29649280
复制相关文章
相似问题
腾讯云开发者
