python - 如何计算不包括圆列表的图像的方差

Question

我有一个灰度图像和一个圆圈列表，我正在尝试计算图像的方差，同时排除位于其中一个圆圈内的任何像素。

我当前的实现速度非常慢(遍历图像并检查每个像素是否在其中一个圆圈内)。

我尝试将圆圈设置为图像的均值(以消除它们对方差的影响)，但这有不同的结果，因为均值是在原始图像上计算的。

我该怎么做才能让它更高效地运行？

def variance_without_circles(image, circles):
    mean = 0
    sum_squared = 0
    count = 0
    for i in range(image.shape[0]):
        for j in range(image.shape[1]):
            if is_in_circles(circles, i, j):
                continue
            else:
                count += 1
                val = image[i, j]
                mean += val
                sum_squared += val ** 2
    mean = mean / count
    variance = sum_squared / count - mean ** 2
    return variance

def is_in_circles(circles, i, j):
    for c in circles[0]:
        if (c[0] - j)**2 + (c[1] - i)**2 < (c[2] ** 2):
            return True
    return False

Answer 1

您可以将所有圆圈绘制到二进制蒙版上，然后使用此蒙版为您的图像编制索引并仅计算输入图像上该切片部分的方差。

例如:

from collections import namedtuple

import cv2
import numpy as np

Circle = namedtuple('Circle', ['cx', 'cy', 'radius'])

image = cv2.imread('lena.png', cv2.IMREAD_COLOR)
print(f'Variance (whole): {np.var(image)}')

circles = [
    Circle(cx=45, cy=23, radius=31),
    Circle(cx=321, cy=111, radius=89),
    Circle(cx=465, cy=511, radius=67)
]

circles_mask = np.full(shape=(image.shape[0], image.shape[1]), fill_value=255, dtype=np.uint8)
for circle in circles:
    cv2.circle(circles_mask, (circle.cx, circle.cy), radius=circle.radius,
               color=(0, 0, 0), thickness=cv2.FILLED)

image_masked = image[np.where(circles_mask)]
print(f'Variance (masked): {np.var(image_masked)}')

cv2.imshow('image', image)
cv2.imshow('circles_mask', circles_mask)
cv2.waitKey(0)

用于测试的图片:

圆形 mask :