Numpy滤波器平滑零区域
Numpy滤波器平滑零区域
提问于 2017-09-09 01:39:38
我有一个由ints 0和更高版本组成的2D numpy数组，其中的值表示区域标签。例如,
array([[9, 9, 9, 0, 0, 0, 0, 1, 1, 1],
[9, 9, 9, 9, 0, 7, 1, 1, 1, 1],
[9, 9, 9, 9, 0, 2, 2, 1, 1, 1],
[9, 9, 9, 8, 0, 2, 2, 1, 1, 1],
[9, 9, 9, 8, 0, 2, 2, 2, 1, 1],
[4, 4, 4, 4, 0, 2, 2, 2, 1, 1],
[4, 6, 6, 4, 0, 0, 0, 0, 0, 0],
[4, 6, 6, 4, 0, 0, 0, 0, 0, 0],
[4, 4, 4, 4, 5, 5, 5, 5, 5, 5],
[4, 4, 4, 4, 5, 5, 5, 5, 5, 5]])我希望指数等于0(即零区域)，取其邻域中最常见的值。操作基本上会关闭零区域。我尝试过多种不同的扩展、侵蚀、灰色闭包和其他形态学运算，但我不能完全消除零区域(不尴尬地混合其他区域)。一种很好的方法是定义一个内核，它只在零的基础上转换，并使用过滤器区域中最常见的标签来设置值。不过，我不知道如何实现这一点。
回答 3
Stack Overflow用户
回答已采纳
发布于 2017-09-09 05:36:44
本文提出了一种矢量化方法。步骤如下：
- 获取内核大小的2D滑动窗口，导致4D数组。我们可以使用
skimage's view_as_windows获取这些视图，从而避免为此创建任何额外的内存。 - 通过索引到4D数组，选择以零为中心的窗口。这会强制复制一份。但是，假设零的数目比输入数组中的元素总数要小，这应该是可以的。
- 对于所选的每个窗口，使用适当的偏移量来偏移每个窗口，并使用
np.bincount来执行计数。因此，使用bincount并获得除去零的最大计数。最大计数的争论应该是我们的人！
以下是这些步骤的实现-
from skimage.util import view_as_windows as viewW
def fill_zero_regions(a, kernel_size=3):
hk = kernel_size//2 # half_kernel_size
a4D = viewW(a, (kernel_size,kernel_size))
sliced_a = a[hk:-hk,hk:-hk]
zeros_mask = sliced_a==0
zero_neighs = a4D[zeros_mask].reshape(-1,kernel_size**2)
n = len(zero_neighs) # num_zeros
scale = zero_neighs.max()+1
zno = zero_neighs + scale*np.arange(n)[:,None] # zero_neighs_offsetted
count = np.bincount(zno.ravel(), minlength=n*scale).reshape(n,-1)
modevals = count[:,1:].argmax(1)+1
sliced_a[zeros_mask] = modevals
return a样本运行-
In [23]: a
Out[23]:
array([[9, 9, 9, 0, 0, 0, 0, 1, 1, 1],
[9, 9, 9, 9, 0, 7, 1, 1, 1, 1],
[9, 9, 9, 9, 0, 2, 2, 1, 1, 1],
[9, 9, 9, 8, 0, 2, 2, 1, 1, 1],
[9, 9, 9, 8, 0, 2, 2, 2, 1, 1],
[4, 4, 4, 4, 0, 2, 2, 2, 1, 1],
[4, 6, 6, 4, 0, 0, 0, 0, 0, 0],
[4, 6, 6, 4, 0, 0, 0, 0, 0, 0],
[4, 4, 4, 4, 5, 5, 5, 5, 5, 5],
[4, 4, 4, 4, 5, 5, 5, 5, 5, 5]])
In [24]: fill_zero_regions(a)
Out[24]:
array([[9, 9, 9, 0, 0, 0, 0, 1, 1, 1],
[9, 9, 9, 9, 9, 7, 1, 1, 1, 1],
[9, 9, 9, 9, 2, 2, 2, 1, 1, 1],
[9, 9, 9, 8, 2, 2, 2, 1, 1, 1],
[9, 9, 9, 8, 2, 2, 2, 2, 1, 1],
[4, 4, 4, 4, 2, 2, 2, 2, 1, 1],
[4, 6, 6, 4, 4, 2, 2, 2, 1, 0],
[4, 6, 6, 4, 4, 5, 5, 5, 5, 0],
[4, 4, 4, 4, 5, 5, 5, 5, 5, 5],
[4, 4, 4, 4, 5, 5, 5, 5, 5, 5]])正如我们所看到的，我们并不是在解决边界问题。如果需要的话，使用一个零填充数组作为输入数组，如下所示：np.pad(a, (k//2,k//2), 'constant')，以k作为内核大小(示例的=3)。
Stack Overflow用户
发布于 2017-09-09 02:23:43
基于卷积思想的一种可能的解决方案
from scipy import stats
ar = #Your np array
blank = np.zeros(ar.shape)
#Size to search in for mode values
window_size = 3
for x,y in np.array(np.where(ar == 0)).T:
window = ar[max(x-window_size,0):x+window_size,max(0,y-window_size):y+window_size]
oneD = window.flatten()
#fill blank array with modal value
blank[x,y] = stats.mode(oneD[oneD != 0])[0]
#fill in the zeros
print ar + blank我不确定这里是否有可能避免一个循环
Stack Overflow用户
发布于 2017-09-09 02:47:35
这里有一个使用Numba的工作解决方案，我还没有描述它，但是应该非常快：
import numba
@numba.njit
def nn(arr):
res = arr.copy()
zeros = np.where(arr == 0)
for n in range(len(zeros[0])):
i = zeros[0][n]
j = zeros[1][n]
left = max(i-1, 0)
right = min(i+2, arr.shape[1])
top = max(j-1, 0)
bottom = min(j+2, arr.shape[0])
area = arr[left:right,top:bottom].ravel()
counts = np.bincount(area[area != 0])
res[i,j] = np.argmax(counts)
return res它产生：
array([[9, 9, 9, 9, 7, 1, 1, 1, 1, 1],
[9, 9, 9, 9, 9, 7, 1, 1, 1, 1],
[9, 9, 9, 9, 2, 2, 2, 1, 1, 1],
[9, 9, 9, 8, 2, 2, 2, 1, 1, 1],
[9, 9, 9, 8, 2, 2, 2, 2, 1, 1],
[4, 4, 4, 4, 2, 2, 2, 2, 1, 1],
[4, 6, 6, 4, 4, 2, 2, 2, 1, 1],
[4, 6, 6, 4, 4, 5, 5, 5, 5, 5],
[4, 4, 4, 4, 5, 5, 5, 5, 5, 5],
[4, 4, 4, 4, 5, 5, 5, 5, 5, 5]])这里的内核大小是3x3，通过将1减去1并将2添加到i和j (添加2是因为Python片需要一个过端，例如0:3给出了3个元素)。边界条件由min和max处理。
二进制计数思想的功劳：https://stackoverflow.com/a/6252400/4323
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/46126409
复制相关文章
相似问题
腾讯云开发者
