- mongodb - 在 MongoDB mapreduce 中,如何展平值对象?
- javascript - 对象传播与 Object.assign
- html - 输入类型 ="submit"Vs 按钮标签它们可以互换吗?
- sql - 使用 MongoDB 而不是 MS SQL Server 的优缺点
我最近了解到 strides在 answer to this post ,并且想知道如何使用它们比我在 this post 中提出的更有效地计算移动平均滤波器(使用卷积过滤器)。
这是我目前所拥有的。它查看原始数组,然后将其滚动必要的数量,并对内核值求和以计算平均值。我知道边缘处理不正确,但我可以事后处理......有没有更好更快的方法?目标是过滤大小高达 5000x5000 x 16 层的大型 float 组,scipy.ndimage.filters.convolve
的任务相当慢。
请注意,我正在寻找 8-neighbour 连接,即 3x3 过滤器取 9 个像素(焦点像素周围 8 个)的平均值并将该值分配给新图像中的像素。
import numpy, scipy
filtsize = 3
a = numpy.arange(100).reshape((10,10))
b = numpy.lib.stride_tricks.as_strided(a, shape=(a.size,filtsize), strides=(a.itemsize, a.itemsize))
for i in range(0, filtsize-1):
if i > 0:
b += numpy.roll(b, -(pow(filtsize,2)+1)*i, 0)
filtered = (numpy.sum(b, 1) / pow(filtsize,2)).reshape((a.shape[0],a.shape[1]))
scipy.misc.imsave("average.jpg", filtered)
编辑澄清我如何看待这个工作:
当前代码:
我希望更好地使用 stride_tricks 直接获取整个数组的 9 个值或内核元素的总和,或者有人可以说服我使用另一种更有效的方法...
最佳答案
对于它的值(value),这里是你如何使用“花哨的”跨步技巧来做到这一点。昨天本来打算发这个的,但是被实际工作分心了! :)
@Paul 和 @eat 都有很好的实现,使用各种其他方式来实现。只是为了继续前面的问题,我想我会发布 N 维等价物。
但是,对于 >1D 数组,您将无法显着击败 scipy.ndimage
函数。 (虽然 scipy.ndimage.uniform_filter
应该击败 scipy.ndimage.convolve
)
此外,如果您试图获得一个多维移动窗口,那么每当您无意中复制了数组时,就有可能导致内存使用量激增。虽然最初的“滚动”数组只是原始数组内存的一个 View ,但复制数组的任何中间步骤都会生成一个比原始数组大数量级的副本(即让我们假设您正在使用一个 100x100 的原始数组...对其的 View (对于 (3,3) 的过滤器大小)将是 98x98x3x3,但使用与原始数组相同的内存。但是,任何副本都将使用该数量full 98x98x3x3 数组的内存!)
基本上,当您想要在 ndarray 的 单轴 上矢量化移动窗口操作时,使用疯狂的跨步技巧非常有用。它使得计算移动标准偏差等事情变得非常容易,而且开销很小。当您想开始沿多个轴执行此操作时,这是可能的,但您通常最好使用更专业的功能。 (如scipy.ndimage
等)
无论如何,你是这样做的:
import numpy as np
def rolling_window_lastaxis(a, window):
"""Directly taken from Erik Rigtorp's post to numpy-discussion.
<http://www.mail-archive.com/numpy-discussion@scipy.org/msg29450.html>"""
if window < 1:
raise ValueError, "`window` must be at least 1."
if window > a.shape[-1]:
raise ValueError, "`window` is too long."
shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)
strides = a.strides + (a.strides[-1],)
return np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)
def rolling_window(a, window):
if not hasattr(window, '__iter__'):
return rolling_window_lastaxis(a, window)
for i, win in enumerate(window):
if win > 1:
a = a.swapaxes(i, -1)
a = rolling_window_lastaxis(a, win)
a = a.swapaxes(-2, i)
return a
filtsize = (3, 3)
a = np.zeros((10,10), dtype=np.float)
a[5:7,5] = 1
b = rolling_window(a, filtsize)
blurred = b.mean(axis=-1).mean(axis=-1)
所以当我们执行 b = rolling_window(a, filtsize)
时得到的是一个 8x8x3x3 数组,它实际上是一个与原始 10x10 数组相同内存的 View 。我们可以很容易地在不同的轴上使用不同的过滤器大小,或者只在 N 维数组的选定轴上操作(即 filtsize = (0,3,0,3)
在 4 维数组会给我们一个 6 维 View )。
然后我们可以将任意函数重复应用于最后一个轴,以有效地计算移动窗口中的内容。
但是,因为我们在 mean
(或 std
或其他任何步骤)的每个步骤中存储的临时数组都比原始数组大得多,所以这不是所有内存高效!它也不会很快。
ndimage
的等价物只是:
blurred = scipy.ndimage.uniform_filter(a, filtsize, output=a)
这将处理各种边界条件,就地“模糊”而不需要数组的临时副本,并且非常快。跨步技巧是沿 one 轴将函数应用于移动窗口的好方法,但它们不是沿多个轴执行此操作的好方法,通常......
至少我的 0.02 美元...
关于python - 使用 strides 实现有效的移动平均滤波器,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/4936620/
所以我试图增强我的图像的对比度,我发现一位绅士通过在线 Gamma 校正来做到这一点,代码如下: (im/255).^0.45*255 据我了解,1/gammavalue = 0.45,其中 gamm
我有一个包含简单时间序列数据的向量(从 deSolve 矩阵中提取),用于测试目的可以是: x x r for (n in 2:length(x)) r[n] (r) [1] NA 1 1
我有这段实现 Prewitt 边缘检测的代码。我需要做的是只用一个缓冲区来实现它,也就是说,我不会创建图像的拷贝,而是编辑原始图像。所以如果我想改变值 78 的像素,我不能把新值,例如100,直到所有
我想制作一个 FIR 滤波器。我有一个系数数组 (buffer[size]) 和一个数据数组 (filter[size_filter])。我必须在两个数组之间进行卷积: for(j = 0;j < s
我正在尝试制作 IIR 滤波器。我做了FIR滤波器,但是我觉得IIR比FIR难。 我认为 IIR 与 FIR 类似,但它让我感到困惑。 我觉得过滤器是这样的 FIR : y(n) = b0(x[n])
我想在 Python 中通过窗口创建一个基本的高通 FIR 滤波器。 我的代码在下面并且是故意惯用的 - 我知道你可以(很可能)用 Python 中的一行代码完成它,但我正在学习。我使用了一个带有矩形
我正在尝试用树莓派创建一个相机来检测在走廊中移动的人(这里我假设只有移动的东西是人),并识别那些在该区域花费太多时间的人(使用计时器),我使用背景减法来检测运动并尝试使用基于相关性的跟踪器(例如 MO
我正在研究用于特征提取的超像素。我已经成功地将超像素功能应用于图像。 A = imread('kobi.png'); [L,N] = superpixels(A,5); figure BW = bou
你好 我需要在应用中使用这个 Kolmogorov 过滤器。您将一些测量数据放入其中,并使用过滤器对其进行一些平滑处理。我试着用“nchoosek”来做,但是当我尝试为 50 或更多的 I 做这件事时
我正在尝试在具有静态掩码 5x5 并在 applyFilter() 函数中进行卷积编码的图像上实现 LoG 过滤器。然而,无论我使用什么面具,我都会得到奇怪的结果。保存图像而不通过函数传递它是有效的,
我已经在 Haskell 中实现了一个 FIR 滤波器。我不太了解 FIR 滤波器,我的代码很大程度上基于现有的 C# 实现。因此,我觉得我的实现有太多的 C# 风格,而不是真正的 Haskell 风
我需要制作一个简单的带通音频滤波器。现在我使用了这个简单的 C++ 类:http://www.cardinalpeak.com/blog/a-c-class-to-implement-low-pass
CUDA NPP 库支持使用 nppiFilter_8u_C1R 命令过滤图像,但不断出现错误。我可以毫无问题地启动并运行 boxFilterNPP 示例代码。 eStatusNPP = nppiFi
我是 OpenCV 和 gabor 过滤器的新手,只想获得这样的 gabor 小波: 我在 Java 中使用这个 OpenCV 代码: double sigma_bar = 40; double th
我正在使用 FIR 滤波器对音频进行过采样。这是一个简单的典型窗口 sinc,即一个被截断和窗口化的 sinc 函数。像往常一样,它需要过去和“ future ”的样本才能工作。实际上,这意味着音频输
目前我正在尝试实现 FIR 低通滤波器。 FIR 系数在 MATLAB 中计算。现在我需要用 C++ 实现 FIR 算法。 我将一个类定义为过滤器,将 FIR 的一个函数定义为: double * F
我有一个用 C 语言实现 FIR 滤波器的家庭作业,我想知道您是否认为我理解正确。我认为解决问题的程序是: #include float FIRfloats[5]; void floatFIR(fl
我希望对图像的每条水平线应用频域滤波器,例如低通或带通。这可能使用 opencv 吗? 最佳答案 我认为您需要详细说明您的问题。也许,举一些具体的例子。 如果我将您的问题解释为: 你有一张 10 x
我的问题与 A. Levy 的解释相关: Analyze audio using Fast Fourier Transform 如何在这些复数上生成带通滤波器... [-636.00000000 +0
FIR 滤波器有一个算法,但它是 float : FIR filter implementation in C programming 如果我想要一个符合此规范的定点算法,我该怎么做? the FIR
我是一名优秀的程序员,十分优秀!