python - 屏蔽数组的中值滤波器

Question

我在这个论坛上看到过几个关于计算掩码数组(例如图像)的中位数的讨论。我想要的稍微微妙一些，它是在我的图像上应用中值滤波器。我知道一种方法，但速度太慢，希望能有加快进程的方法。

例如，假设我有一个形状为 (10,10) 的ma​​sked 数组，我想应用一个带框 (3,3) 的中值滤波器，而不使用那些被屏蔽的元素。我的目标是将图像的每个像素中的值替换为框的掩码中值的值。

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])

这解决了问题并给出了良好的结果，但正如我所说，它非常慢。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 mask 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]) 

这将执行时间从 0.018 缩短到 0.002，这显然更好(为什么？？)，如果不是我正在寻找的 ~50 倍的话。

有什么意见吗？

Answer 1

我猜想差异主要是由于访问 MaskedArray 对象(它是 ndarray 的一种包装器)时的开销。

对于 numpy 中的高效中值过滤器，您也可以尝试 scikit-image .它还接受掩码参数。