2

出于空间分析的目的，我试图设置一个过滤器，对于给定邻域中的像素，给出该像素在其邻域中的百分位数（由结构元素定义）。

以下是我迄今为止最好的镜头：

import numpy as np
import scipy.ndimage as ndimage
import scipy.stats as sp

def get_percentile(values, radius=3):
  # Retrieve central pixel and neighbours values
  cur_value = values[4]
  other_values = np.delete(values, 4)

  return sp.percentileofscore(other_values, cur_value)/100

def percentiles(image):

  # definition of the neighbourhood (structuring element)
  footprint = np.array([[1,1,1],
                  [1,1,1],
                  [1,1,1]])

  # Using generic_filter to apply sequentially a my own user-defined
  # function (`get_percentile`) in the filter
  results = ndimage.generic_filter(
    image, 
    get_percentile, 
    footprint=footprint, 
    mode='constant', 
    cval=np.nan)

  return results

# Pick dimensions for a dummy example
dims = [12,15]
# Generate dummy example
df = np.random.randn(np.product(dims)).reshape(dims[0], dims[1])

percentiles(df)

它有点工作，但是： 1. 我确信代码不是真正的最佳，并且可以运行得更快 2. 我邻居的维度是硬编码的。我想要的是footprint根据这个过滤器从它的邻居中更好地识别我正在应用过滤器（）的中心像素。

4

0 回答 0