python - 自适应灰度膨胀实现

Question

给定一个值从 0 到 的 2D 数组n，我想通过每个像素包含的值来扩展每个像素，较高的值应该在扩张期间覆盖较低的值。

也就是说，半径内与像素值相等的任何像素，如果它们的值较小，则继承​​该值。例如，如果输入为[0 1 0 2 0 0]，则输出为[1 2 2 2 2 2 ]。

这怎么可能实现？

Answer 1

您的口头描述正是您将如何实现该算法：对于每个像素（我们称之为它的值r），检查它的邻域，邻域的大小由 给出r。在这个邻域内，r如果它们的值较低，则将所有像素设置为。您确实需要写入独立的输出图像，您无法在不破坏逻辑的情况下修改输入。

这当然是通过一组嵌套循环实现的：首先循环图像中的每个像素，然后在这个循环中循环邻域中的每个像素。

Python 的循环很慢，所以用 Python 编写时效率不高。您可以尝试使用numba来加快速度。如果足够重要，请用 C 或 C++ 等本地语言编写。

---

有可能，如果n很小，则与使用阈值分解的明显实现相比，此操作可能会加快一点。

这个想法是你循环r图像中的灰度值。在每次迭代中，使用大小为 的 SE 扩展二值图像img==r（对于值为 的像素为真，在r其他地方为假）r。接下来，通过在膨胀图像中取元素最大值来合成最终的输出图像。请注意，您可以在循环中逐步累积此最终结果，取先前结果的最大值和新的膨胀。

这个实现做了更多的工作，但是由于您使用的是全图像操作，因此您可以最大限度地减少 Python 循环的数量，因此（希望）加快代码速度。