Python: 创建一个未知形状的面具
Python: create a mask with unknown shape
我正在尝试提取具有 "unknown" 形状的遮罩。我要更好地解释我自己：
我的原始数据由一个包含 NaN 的矩阵组成，它或多或少地围绕着真实数据。我使用了 sobel 算子来检测边缘：
#data is a matrix with Nan
mask = np.isnan(data)
data[mask] = 0
data[~mask] = 1
out = sobel(data) #sobel is a function that returns the gradient
图中报告了sobel操作的输出。由于原始数据在真实数据中也有 NaN，所以 sobel 算子检测内边缘。
我想尝试一种只检测外边缘的方法（看起来像菱形的图形）。考虑到不仅这个形状可以变化（它可以是正方形或矩形），而且位置也可以变化（即可以偏心，或者相对于图像尺寸非常小）。我将获得的结果应该是所有外部像素都设置为 True（或 False），而所有内部像素都设置为 False（或 True）的蒙版。
谢谢！
一种可能的部分解决方案是使用 opening 操作，定义为腐蚀后膨胀。我使用了 skimage:
提供的那个
from skimage.morphology import opening
#data has shape shape_1, shape_2
mask_data = np.ones((shape_1, shape_2), dtype=bool)
mask = np.isnan(data)
mask_data[_mask] = 0
mask_data = opening(mask_data).astype(bool)
这种方法 returns 与我正在寻找的类似。如图所示，这实际上留下了一些黑色的内点，但这是我找到的最好的。
我正在尝试提取具有 "unknown" 形状的遮罩。我要更好地解释我自己：
我的原始数据由一个包含 NaN 的矩阵组成，它或多或少地围绕着真实数据。我使用了 sobel 算子来检测边缘：
#data is a matrix with Nan
mask = np.isnan(data)
data[mask] = 0
data[~mask] = 1
out = sobel(data) #sobel is a function that returns the gradient
图中报告了sobel操作的输出。由于原始数据在真实数据中也有 NaN，所以 sobel 算子检测内边缘。 我想尝试一种只检测外边缘的方法（看起来像菱形的图形）。考虑到不仅这个形状可以变化（它可以是正方形或矩形），而且位置也可以变化（即可以偏心，或者相对于图像尺寸非常小）。我将获得的结果应该是所有外部像素都设置为 True（或 False），而所有内部像素都设置为 False（或 True）的蒙版。
谢谢！
一种可能的部分解决方案是使用 opening 操作，定义为腐蚀后膨胀。我使用了 skimage:
from skimage.morphology import opening
#data has shape shape_1, shape_2
mask_data = np.ones((shape_1, shape_2), dtype=bool)
mask = np.isnan(data)
mask_data[_mask] = 0
mask_data = opening(mask_data).astype(bool)
这种方法 returns 与我正在寻找的类似。如图所示，这实际上留下了一些黑色的内点，但这是我找到的最好的。