在Python中編碼循環過濾器

Question

我發現了一個使用scipy製作循環過濾器的代碼片段，我想了解它是如何工作的。我知道skimage中有一個更好的，但我對這一場比賽感興趣。

from scipy.ndimage.filters import generic_filter as gf 

# Define physical shape of filter mask 
def circular_filter(image_data, radius): 
    kernel = np.zeros((2*radius+1, 2*radius+1)) 
    y, x = np.ogrid[-radius:radius+1, -radius:radius+1] 
    mask = x**2 + y**2 <= radius**2 
    kernel[mask] = 1     
    filtered_image = gf(image_data, np.median, footprint = kernel) 
    return filtered_image 

但我不確定我完全理解發生了什麼事。特別是，究竟什麼行

 y, x = np.ogrid[-radius:radius+1, -radius:radius+1] 
    mask = x**2 + y**2 <= radius**2 
    kernel[mask] = 1 

呢？

我發佈了這個答案作爲我之前的一個問題的答案，但沒有回覆，所以我把它作爲一個新問題發佈。

Answer 1

尋找詳細：

kernel = np.zeros((2*radius+1, 2*radius+1)) 
y, x = np.ogrid[-radius:radius+1, -radius:radius+1] 
mask = x**2 + y**2 <= radius**2 
kernel[mask] = 1     

第一行：

kernel = np.zeros((2*radius+1, 2*radius+1)) 

創建零的2-d陣列，其中的中心點和「半徑」點在任一側。對於半徑= 2，你會得到：

# __r__ +1 __r__ 
[ 0, 0, 0, 0, 0, ] #\ 
[ 0, 0, 0, 0, 0, ] #_} r 
[ 0, 0, 0, 0, 0, ] # +1 
[ 0, 0, 0, 0, 0, ] #\ 
[ 0, 0, 0, 0, 0, ] #_} r 

接下來，你從numpy.ogrid創建的開放網格 2個陣列。網格網格在numpy中是一個「技巧」，它涉及存儲一個「並行」數組或矩陣，該數組或矩陣將特定單元格的x或y座標保存在該單元格的位置。

例如，y -mesh電網可能是這樣的：

[ 0, 0, 0, 0, 0, ] 
[ 1, 1, 1, 1, 1, ] 
[ 2, 2, 2, 2, 2, ] 
[ 3, 3, 3, 3, 3, ] 
[ 4, 4, 4, 4, 4, ] 

而一個x -mesh電網可能是這樣的：

[ 0, 1, 2, 3, 4, ] 
[ 0, 1, 2, 3, 4, ] 
[ 0, 1, 2, 3, 4, ] 
[ 0, 1, 2, 3, 4, ] 
[ 0, 1, 2, 3, 4, ] 

如果你看看他們，你」我會意識到Y_grid[x][y] == y和X_grid[x][y] == x這是經常使用，它有多個numpy函數來支持它。 ;-)

開放式網格與封閉式網格相似，只不過它只有「一維」。也就是說，不是一對（例如）5x5陣列，而是一個1x5陣列和一個5x1陣列。這就是ogrid所做的 - 它返回兩個打開的網格。這些值是從-radius到半徑+ 1，根據蟒規則（意味着半徑+ 1被省略了）：

y, x = np.ogrid[-radius:radius+1, -radius:radius+1] 

所以y是numpy的陣列從例如存儲，-2..2 （含），x是-2..2的數組。下一步是構建一個布爾型掩碼 - 即一個佈滿值的數組。如你所知，當你在一個numpy數組上操作時，你會得到另一個numpy數組。因此，在以恆定的表達涉及兩個陣列產生另一個數組：

mask = x**2 + y**2 <= radius**2 

掩模的值將是2色的位圖，其中一個顏色是「真」，而另一顏色是「假。 「位圖將描述實心圓或磁盤。 （由於<=關係。請記住，x和y包含-2..2，而不是0..4。）

最後，從類型布爾轉換通過使用掩蔽陣列作爲kernel陣列（的零）上的覆蓋爲int時，零設置到那些每當掩碼爲「真」：

kernel[mask] = 1 

在這一點上，內核看起來像：

# __r__ +1 __r__ 
[ 0, 0, 1, 0, 0, ] #\ 
[ 0, 1, 1, 1, 0, ] #_} r 
[ 1, 1, 1, 1, 1, ] # +1 
[ 0, 1, 1, 1, 0, ] #\ 
[ 0, 0, 1, 0, 0, ] #_} r 

Answer 2

我對SciPy並不熟悉，但我會嘗試解釋一下基本概念。

這整個功能的目的是通過應用一個過濾器來改變原始圖像。該過濾器可以做很多事情，從改變圖像的對比度，或添加特殊效果等

讓我們通過不同的線路：

 kernel = np.zeros((2*radius+1, 2*radius+1)) 

在這一行，的副本正在創建圖像數據，但所有數據均爲零（因此正在使用零功能）。這樣就可以將面罩稍後應用到它上面。

 y, x = np.ogrid[-radius:radius+1, -radius:radius+1] 

這是創建所謂的「meshgrid」或多維網格。這是創建圓形「面具」。就像圖中的x軸和y軸具有均勻間隔的縮放比例一樣，這裏在網格中也是相同的。 在這種情況下，x和y變量存儲均勻間隔的值，用作軸的縮放比例。

 mask = x**2 + y**2 <= radius**2 

這裏，創建了一個「掩碼」。掩碼將用作要保護的圖像中的區域以免過濾器，以便不更改任何原始數據。請注意，在畢達哥拉斯式不等式中（這很重要，它不僅僅是一個圓而是一個圓盤）在這裏使用x和y變量，就像它們在數學意義上的方式一樣。這將創建一個具有給定半徑的磁盤，現在將其視爲掩碼。掩碼變量現在包含原始數據值不應更改的所有座標（x，y）。

 kernel[mask] = 1 

這是掩碼現在應用於之前創建的圖像副本的位置。現在，圖像有一個完美的副本（即相同的尺寸），但是具有「保護」原始數據不被改變的盤狀「掩膜」。這就是爲什麼磁盤覆蓋的所有點都設置爲1.另請注意，kernel和mask的尺寸是如何匹配的。兩者都是多維的。圖像副本中的其餘值仍然設置爲零，如在第一行中所做的那樣。

 filtered_image = gf(image_data, np.median, footprint = kernel) 

這是所有東西拼合在一起的最後部分。原始數據存儲在image_data中，並且存在kernel，它是在其上應用了掩碼的圖像副本，指示不應更改數據的位置。它們都作爲參數傳遞到實際濾波函數gf（代表通用濾波器），並且輸出是新的濾波圖像。

這是圖像過濾的核心概念，如果您想了解更多信息，我建議您先學習基本的信號處理概念。信號處理課程涵蓋了這些概念如何工作的數學，但通常在真正抽象的數學中解釋，因爲這個概念可以應用於許多不同的例子。在您的代碼