8

我在这个论坛上看到了一些关于计算掩码数组（例如图像）中位数的讨论。我想要的更微妙，它是在我的图像上应用中值滤波器。我知道一种方法来做到这一点，但太慢了，并且会喜欢加快进程的方法。

例如，假设我有一个形状为 (10,10) 的蒙版数组，并且我想应用一个带有框 (3,3) 的中值滤波器，而不使用那些被蒙版的元素。我的目标是将图像的每个像素中的值替换为框的掩码中位数的值。

假设一个非常简单的情况，我们可以将“图像”和掩码构建为：

 im = numpy.random.uniform(size=(10,10))
 mask = numpy.zeros_like(im)
 mask[1:3,:] = 1
 masked_im = numpy.ma.array(im, mask=mask)

现在，要实际制作中值滤波器，我们可以通过以下方式以蛮力方式完成：

 lx, ly = im.shape
 side = 3
 im_filt = numpy.zeros_like(im)
 for jj in range(ly):
     for ii in range(lx):
         minx, maxx = max([ii-side/2,0]), min([ii+side/2+1,lx])
         miny, maxy = max([jj-side/2,0]), min([jj+side/2+1,ly])
         im_filt[ii,jj] = numpy.ma.median(masked_im[minx:maxx, miny:maxy])

这解决了问题并产生了良好的结果，但正如我所说，它非常缓慢。一种（对我来说，令人惊讶的）稍微加快该过程的方法是分别使用蒙版和图像，例如：

 im_filt2 = numpy.zeros_like(im)
 for jj in range(ly):
     for ii in range(lx):
         minx, maxx = max([ii-side/2,0]), min([ii+side/2+1,lx])
         miny, maxy = max([jj-side/2,0]), min([jj+side/2+1,ly])
         zoom_im = im[minx:maxx, miny:maxy]
         zoom_msk = mask[minx:maxx, miny:maxy]
         im_filt2[ii,jj] = numpy.median(zoom_im[zoom_msk == 0])

这使执行时间从 0.018 到 0.002，如果不是我正在寻找的 ~50 倍，这显然更好（为什么？？）。

有输入吗？

4

1 回答 1

2

我猜这个差异主要是由于访问 MaskedArray 对象（它是一种围绕 ndarray 的包装器）的开销。

对于 numpy 中的有效中值滤波器，您也可以尝试scikit-image。它还接受掩码参数。

于 2013-09-16T12:38:43.497 回答