2

ndarray我有 5 个 288x288 s形式的灰度图像。每个ndarray中的值只是numpy.float32从 0.0 到 255.0 的数字。对于每个ndarray，我创建了一个numpy.ma.MaskedArray对象，如下所示：

def bool_row(row):
    return [value == 183. for value in row]

mask = [bool_row(row) for row in nd_array_1]
masked_array_1 = ma.masked_array(nd_array_1, mask=mask)

该值183.表示图像中的“垃圾”。所有 5 幅图像中都有一些“垃圾”。我想取蒙面图像的中值，其中每个点的中值应忽略任何蒙面值。结果将是没有垃圾的正确图像。

当我尝试：

ma.median([masked_array_1, masked_array_2, masked_array_3, masked_array_4, masked_array_5], axis=0)

我得到的似乎是中位数，除了忽略掩码值之外，它将它们视为183.，因此结果只是所有图片中叠加的垃圾。当我只取两个蒙面图像的中位数时：

ma.median([masked_array_1, masked_array_2], axis=0)

看起来它开始做正确的事情，但随后将 的值放置183.在两个掩码数组都包含 a 的地方MaskedConstant。

我可以做类似以下的事情，但我觉得可能有一种方法可以让ma.median行为符合预期：

unmasked_array_12 = ma.median([masked_array_1, masked_array_2], axis=0)
mask = [bool_row(row) for row in unmasked_array_12]
masked_array_12 = ma.masked_array(unmasked_array_12, mask=mask)

unmasked_array_123 = ma.median([masked_array_12, masked_array_3], axis=0)
mask = [bool_row(row) for row in unmasked_array_123]
masked_array_123 = ma.masked_array(unmasked_array_123, mask=mask)

...

我如何在ma.median不诉诸上述不愉快的情况下按预期工作？

4

4 回答 4

3

我怀疑问题在于如何ma.median处理非数组参数。它可能会将列表转换为普通的 numpy 数组，而不检查列表元素的类型。

考虑以下具有一维数组的示例：

In [64]: a = ma.array([1, 2, -10, 3, -10, -10], mask=[0,0,1,0,1,1])

In [65]: b = ma.array([1, 2, -10, -10, 4, -10], mask=[0,0,1,1,0,1])

In [66]: a
Out[66]: 
masked_array(data = [1 2 -- 3 -- --],
             mask = [False False  True False  True  True],
       fill_value = 999999)


In [67]: b
Out[67]: 
masked_array(data = [1 2 -- -- 4 --],
             mask = [False False  True  True False  True],
       fill_value = 999999)

以下是不正确的——它似乎忽略了掩码：

In [68]: ma.median([a, b])
Out[68]: -4.5

In [69]: ma.median([a, b], axis=0)
Out[69]: 
masked_array(data = [  1.    2.  -10.   -3.5  -3.  -10. ],
             mask = False,
       fill_value = 1e+20)

但是，如果我首先使用创建一个新的掩码数组ma.array，ma.median则正确处理它：

In [70]: c = ma.array([a, b])

In [71]: c
Out[71]: 
masked_array(data =
 [[1 2 -- 3 -- --]
 [1 2 -- -- 4 --]],
             mask =
 [[False False  True False  True  True]
 [False False  True  True False  True]],
       fill_value = 999999)


In [72]: ma.median(c)
Out[72]: 2.0

In [73]: ma.median(c, axis=0)
Out[73]: 
masked_array(data = [1.0 2.0 -- 3.0 4.0 --],
             mask = [False False  True False False  True],
   fill_value = 1e+20)

所以要解决你的问题，它可能就像替换这个一样简单：

ma.median([masked_array_1, masked_array_2, masked_array_3, masked_array_4, masked_array_5], axis=0)

有了这个：

stacked = ma.array([masked_array_1, masked_array_2, masked_array_3, masked_array_4, masked_array_5])
ma.median(stacked, axis=0)
于 2013-09-09T15:22:06.837 回答
0

您可以在计算中位数时使用以下方法去除所有 183 个值：

masked_arrays=[masked_array_1, masked_array_2, masked_array_3]
no_junk_arrays=[[x for x in masked_array if x is not 183] for masked_array in masked_arrays]

ma.median(no_junk_arrays)

例如

>>> masked_array_1 = [1,183,4]
>>> masked_array_2 = [1,183,2]
>>> masked_array_3 = [2,183,2]
>>> masked_arrays=[masked_array_1,masked_array_2,masked_array_3]
>>> no_junk_arrays=[[x for x in masked_array if x is not 183] for masked_array in masked_arrays]
>>> no_junk_arrays
[[1, 4], [1, 2], [2, 2]]
于 2013-09-09T05:47:08.703 回答
0

如果您所追求的是为每个像素获取非 nan 值，您可以执行以下操作：

stacked_imgs = np.dstack((img1, img2, img3))
mask = stacked_imgs == 183
# Find the first False, i.e. non-183 entry, along stack axis
index = np.argmin(mask, axis=-1)
correct_image = stacked_image[..., index]

如果给定像素的所有非 183 条目始终相同，这将为您提供您所追求的结果。

于 2013-09-09T13:08:39.703 回答
0

如果您找到要调用的巧妙的 numpy 函数序列，我相信它可以完成。但也可以天真地做：

def merge(a1, a2):
    result = []
    for x, y in zip(a1, a2):
        if x == 183:
            x = y
        result.append(x)
    return result

array_1 = [1, 183, 2]
array_2 = [1, 183, 183]
array_3 = [183, 4, 2]

print merge(merge(array_1, array_2), array_3)

如果结果运行得太慢，您可以在 PyPy 而不是 CPython 上尝试相同的代码。

于 2013-09-09T10:01:05.907 回答