У меня есть изображение со значениями в диапазоне от 0 до 1. Что мне нравится делать, так это простое усреднение.
Но, более конкретно, для ячейки на границе изображения я хотел бы вычислить среднее значение пикселей для той части окрестности/ядра, которая находится в пределах изображения. На самом деле это сводится к адаптации знаменателя «средней формулы», количества пикселей, на которое вы делите сумму.
Мне удалось сделать это, как показано ниже, с scipy.ndimage.generic_filter
, но это далеко не эффективно по времени.
def fnc(buffer, count):
n = float(sum(buffer < 2.0))
sum = sum(buffer) - ((count - b) * 2.0)
return (sum / n)
avg = scipy.ndimage.generic_filter(image, fnc, footprint = kernel, \
mode = 'constant', cval = 2.0, \
extra_keywords = {'count': countkernel})
Details
kernel
= квадратный массив (круг, представленный единицами)countkernel
= количество единиц в ядре
n
= количество ячеек, лежащих в пределах image
за счет исключения ячеек заполненной области, идентифицированных значениями 2сумму
, вычитая (количество заполненных ячеек * 2.0) из исходной общей суммы окрестностиОбновление(я)
1) Добавление NaN увеличивает вычисление примерно на 30%:
def fnc(buffer):
return (numpy.nansum(buffer) / numpy.sum([~numpy.isnan(buffer)]))
avg = scipy.ndimage.generic_filter(image, fnc, footprint = kernel, \
mode = 'constant', cval = float(numpy.nan)
2) Применение решения, предложенного Ивом Даустом( принятый ответ), определенно сокращает время обработки до минимума:
def fnc(buffer):
return numpy.sum(buffer)
sumbigimage = scipy.ndimage.generic_filter(image, fnc, \
footprint = kernel, \
mode = 'constant', \
cval = 0.0)
summask = scipy.ndimage.generic_filter(mask, fnc, \
footprint = kernel, \
mode = 'constant', \
cval = 0.0)
avg = sumbigimage / summask
3) Основываясь на совете Иваиспользовать дополнительное бинарное изображение, которое фактически является применением маски, я наткнулся на принцип маскированные массивы. Таким образом, необходимо обрабатывать только один массив, потому что маскированный массив «сочетает» массивы изображений и масок вместе.
Небольшая деталь о массиве масок: вместо заполнения внутренней части (протяженности исходного изображения) единицами и заполнения внешней части (границы) нулями, как это было сделано в предыдущем обновлении, вы должны сделать наоборот. 1 в замаскированном массиве означает «недействительный», 0 означает «действительный».
Этот код даже на 50% быстрее, чем код, представленный в обновлении 2):
maskedimg = numpy.ma.masked_array(imgarray, mask = maskarray)
def fnc(buffer):
return numpy.mean(buffer)
avg = scipy.ndimage.generic_filter(maskedimg, fnc, footprint = kernel, \
mode = 'constant', cval = 0.0)
--> Здесь я должен исправиться!
Должно быть, я ошибся при валидации, так как после некоторых прогонов вычислений оказалось, что scipy.ndimage.
не может обрабатывать masked_arrays в том смысле, что при работе фильтра маска не учитывается .
Некоторые другие люди также упомянули об этом, например здесьи здесь.
Сила изображения...
Как можно изменить этот довольно прагматичный фрагмент кода, чтобы повысить производительность вычислений?
Заранее большое спасибо!