Scipy nimage median_filter 来源
Scipy ndimage median_filter origin
我有一个二进制数组,比方说,a = np.random.binomial(n=1, p=1/2, size=(9, 9))
。我使用 3 x 3
内核对它执行中值过滤,比如 b = nd.median_filter(a, 3)
。我希望这应该根据像素及其八个邻居执行中值滤波。但是,我不确定内核的位置。 documentation 表示,
origin : scalar, optional.
The origin parameter controls the placement of the filter. Default 0.0.
如果默认值为零,则应该将当前像素和 3 x 3
网格置于右侧和底部,不是吗?默认不应该是 footprint
的中心吗?在我们的 3 x 3
示例中,哪个对应于 (1, 1)
而不是 (0, 0)
?
谢谢。
origin 说它只接受标量,但对我来说它也接受类似数组的输入,scipy.ndimage.filters.convolve 函数也是如此。通过 0 确实是足迹的中心。 Origin 的值是相对于中心的。对于 3x3 封装,您可以指定值 -1.0 到 1.0。这里有些例子。请注意,在未指定原点的示例中,过滤器按预期居中。
import numpy as np
import scipy.ndimage
a= np.zeros((5, 5))
a[1:4, 1:4] = np.arange(3*3).reshape((3, 3))
default_out = scipy.ndimage.median_filter(a, size=(3, 3))
shift_pos_x = scipy.ndimage.median_filter(a, size=(3, 3), origin=(0, 1))
shift_neg_x = scipy.ndimage.median_filter(a, size=(3, 3), origin=(0, -1))
print(a)
print(default_out)
print(shift_pos_x)
print(shift_neg_x)
输出:
输入数组:
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 1. 2. 0.]
[ 0. 3. 4. 5. 0.]
[ 0. 6. 7. 8. 0.]
[ 0. 0. 0. 0. 0.]]
居中输出:
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 1. 0. 0.]
[ 0. 1. 4. 2. 0.]
[ 0. 0. 4. 0. 0.]
[ 0. 0. 0. 0. 0.]]
右移输出:
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 1. 0.]
[ 0. 0. 1. 4. 2.]
[ 0. 0. 0. 4. 0.]
[ 0. 0. 0. 0. 0.]]
移至左侧输出:
[[ 0. 0. 0. 0. 0.]
[ 0. 1. 0. 0. 0.]
[ 1. 4. 2. 0. 0.]
[ 0. 4. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]]
我有一个二进制数组,比方说,a = np.random.binomial(n=1, p=1/2, size=(9, 9))
。我使用 3 x 3
内核对它执行中值过滤,比如 b = nd.median_filter(a, 3)
。我希望这应该根据像素及其八个邻居执行中值滤波。但是,我不确定内核的位置。 documentation 表示,
origin : scalar, optional.
The origin parameter controls the placement of the filter. Default 0.0.
如果默认值为零,则应该将当前像素和 3 x 3
网格置于右侧和底部,不是吗?默认不应该是 footprint
的中心吗?在我们的 3 x 3
示例中,哪个对应于 (1, 1)
而不是 (0, 0)
?
谢谢。
origin 说它只接受标量,但对我来说它也接受类似数组的输入,scipy.ndimage.filters.convolve 函数也是如此。通过 0 确实是足迹的中心。 Origin 的值是相对于中心的。对于 3x3 封装,您可以指定值 -1.0 到 1.0。这里有些例子。请注意,在未指定原点的示例中,过滤器按预期居中。
import numpy as np
import scipy.ndimage
a= np.zeros((5, 5))
a[1:4, 1:4] = np.arange(3*3).reshape((3, 3))
default_out = scipy.ndimage.median_filter(a, size=(3, 3))
shift_pos_x = scipy.ndimage.median_filter(a, size=(3, 3), origin=(0, 1))
shift_neg_x = scipy.ndimage.median_filter(a, size=(3, 3), origin=(0, -1))
print(a)
print(default_out)
print(shift_pos_x)
print(shift_neg_x)
输出:
输入数组:
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 1. 2. 0.]
[ 0. 3. 4. 5. 0.]
[ 0. 6. 7. 8. 0.]
[ 0. 0. 0. 0. 0.]]
居中输出:
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 1. 0. 0.]
[ 0. 1. 4. 2. 0.]
[ 0. 0. 4. 0. 0.]
[ 0. 0. 0. 0. 0.]]
右移输出:
[[ 0. 0. 0. 0. 0.]
[ 0. 0. 0. 1. 0.]
[ 0. 0. 1. 4. 2.]
[ 0. 0. 0. 4. 0.]
[ 0. 0. 0. 0. 0.]]
移至左侧输出:
[[ 0. 0. 0. 0. 0.]
[ 0. 1. 0. 0. 0.]
[ 1. 4. 2. 0. 0.]
[ 0. 4. 0. 0. 0.]
[ 0. 0. 0. 0. 0.]]