问题标签 [ndimage]

我想编写一个算法来计算 3D 数组的 3*3 窗口中元素的总和，而没有窗口中心的值

例如，对于输入 A ：

我想获得输出B：

所以我写了这些代码

但是 B1 和 B2 都没有给出我想要的答案你能帮我理解为什么以及如何解决它吗？

我有一个带有标签图像的脚本，其中每个像素代表给定图像中原始像素的类别。使用scipy.ndimage和skimage.measure我创建包含每个对象的边界框列表。

我想在张量流图中在线执行相同的操作。其中标签图像是图像张量。

这是原始代码的示例：

如何调整 Nd numpy 图像的大小？

我不只是想对它进行二次采样，而是对像素进行插值/平均。

例如，如果我从

并在所有维度上将其缩小 2 倍，我希望输出为

尝试的解决方案：

A. SciPy ndimage：

（可选order参数没有区别）

B. 循环2**3可能的偏移量：丑陋，缓慢，仅适用于整数缩放因子，并且需要额外的步骤以避免溢出。

C. OpenCV 和 PIL 仅适用于 2D 图像。

我有一个 base64 图像，我想在给定高度将图像切割成 2 个或更多部分。在 python 中最有效的方法是什么？

一种方法是将base64转换为base64->bytes->ndarray->bytes。但是我在 ndarray->bytes 转换中遇到了问题。

分割图像后，我想将每个部分转换为缓冲区。我想不通怎么做。即使我可以进行所有这些转换，它似乎也非常间接且冗长。我想知道如何将 base64 图像垂直拆分为多个图像或您建议的任何更好的解决方法。

注意：这个答案解决了我遇到的同样问题，但我无法理解逻辑。

我正在使用Wand将 pdf 文件转换为图像。然后，我使用 ndimage 进行进一步的图像处理。

我想直接将 Wand 图像转换为 ndarray ...我在这里看到了答案，但它使用 OpenCV。在不使用 OpenCV 的情况下这可能吗？

目前我保存了一个临时文件，该文件用 scipy.misc.imread() 重新打开

我正在使用scipy.ndimage.zoom，我收到了这个烦人的警告：

用户警告：从 scipy 0.13.0 开始，zoom() 的输出形状是用 round() 而不是 int() 计算的 - 对于这些输入，返回数组的大小已经改变。

我不确定我应该从中得到什么，我开始将它与 SciPy 1.0.0 一起使用，所以我不相信它真的会影响我。

我想称它为UserWarning有点可疑，因为它不是供用户使用的，但可能目标用户是导入库的开发人员。

我正在使用多处理，每个进程都会收到一个警告，更烦人。

有没有理智的方法让它静音？

使用 iTK 或 scipy ndimage 从 3D 体积中提取 2D 切片（由任意平面交叉点定义）并使用 SimpleITK 进行插值。有没有人有一个工作的例子？我在这里和 ITK 用户列表上阅读了几篇文章，但没有人有一个有用的东西。谢谢

燃气轮机

我正在尝试编写一个 python 函数来删除 2D 图像数据中的热像素。我正在尝试创建一个函数，该函数将获取 2D 数组中每个元素周围的邻居的平均值，并在其值超过其邻居的平均值特定数量（例如 3 sigma）时有条件地覆盖该元素。这就是我所在的位置：

上面代码中的“起源”是示范性的。我知道这是不正确的，我只是想展示我正在尝试做的事情。有没有办法将当前元素的值传递给 generic_function？

谢谢！

当使用scipy.ndimage.interpolation.shift通过周期性边界处理（mode = 'wrap'）沿一个轴移动一个 numpy 数据数组时，我得到了一个意想不到的行为。该例程试图强制第一个像素 ( index 0) 与最后一个 ( index N-1) 相同，而不是“最后一个加一个 ( index N)”。

最小的例子：

蓝线：移位前的数据
绿线：预期的移位行为
红线：scipy.ndimage.interpolation.shift的实际移位输出

我如何调用该函数或我如何理解它的行为是否有一些错误mode = 'wrap'？当前结果与相关scipy 教程页面和另一个StackOverflow 帖子中的模式参数描述形成对比。代码中是否存在错误？

使用的 Scipy 版本是 0.18.1，分布在 anaconda-2.2.0

我想我理解 ndimage.generic_filter 的工作原理，但我不明白当你放入一个超过 2 维的数组时会发生什么（比如[[R],[G],[B]]图像中的值）

给定以下代码：

输出是：

在我看来，第一个数组是以我看不到逻辑的最后输入数组为代价的。这是故意行为还是我不应该像这样使用 generic_filter ？