时间戳

首页 > 解决方案 > 考虑边界处有效成员的窗口/滑动均值滤波器

python - 考虑边界处有效成员的窗口/滑动均值滤波器

问题描述

是否有与 scipy.ndimage 的 uniform_filter 或 convolve 类似的功能（与Numpy 二维移动平均值类似的问题），但仅使用输入数组中的值计算平均值（忽略角和边缘单元格的填充值计数）。一个类似的函数，其中填充值可以设置为 np.nan 并且结果平均值计算为 np.nanmean?

我的初始代码循环遍历数组以获取邻居并计算结果均值，但这种方法花费的时间太长。我已经尝试过 uniform_filter 或 convolve，但结果不是我需要的，因为结果角和边缘值太低（由于用 0 填充边缘）。

例如，如果我有数组：

a = np.ones((4,5))

从移动的 3x3 数组计算平均值也应该导致：

array([[1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.],
       [1., 1., 1., 1., 1.]])

uniform_filter 给出：

uniform_filter(a, size=3, mode='constant', cval=0.0)

array([[0.44444444, 0.66666667, 0.66666667, 0.66666667, 0.44444444],
       [0.66666667, 1.        , 1.        , 1.        , 0.66666667],
       [0.66666667, 1.        , 1.        , 1.        , 0.66666667],
       [0.44444444, 0.66666667, 0.66666667, 0.66666667, 0.44444444]])

我尝试设置 cval=np.nan 但单元格边缘的结果值为 nan。

对于另一个数组，b

array([[1., 0., 0.],
       [0., 0., 0.],
       [0., 0., 0.]])

我想获得一个数组，使用 3x3 平均窗口，如

array([[0.25      , 0.16666667, 0.        ],
       [0.16666667, 0.11111111, 0.        ],
       [0.        , 0.        , 0.        ]])

这些值的计算如下图 所示

标签： pythonnumpyscipy

解决方案

尝试将代码更改为

uniform_filter(a, size=3, mode='wrap')

这应该避免用零填充边缘值的问题

查看您可能喜欢的其他模式： https ://docs.scipy.org/doc/scipy/reference/generated/scipy.ndimage.uniform_filter.html

推荐阅读