用区域内最接近的值填充图像

Question

我想用圆圈内最接近的值填充圆形区域外的图像。效果类似于 skimage 的 mode='edge' 但应用于图像的圆形区域而不是矩形区域。

做正确事情的简单代码 - 非常慢：

def circle_pad(img, xc, yc, r):
    img_out = img.copy()

    for i in range(img.shape[0]):
        for j in range(img.shape[1]):
            d = math.sqrt( (i-yc)**2 + (j-xc)**2 )
            if d > r:
                i1, j1 = int( yc + (i-yc)*(r/d) ), int( xc + (j-xc)*(r/d) )
                img_out[i,j] = img[i1,j1]

    return img_out

如何使用 numpy 加快速度？（可能避免在 python 代码中遍历每个像素；典型图像是数千万像素）

我想过使用类似 meshgrid 的东西作为起点来计算每个点要填充的值的坐标，但具体方法不清楚。

Answer 1

已使用 mgrid 解决 - 不漂亮但非常快。以防万一它可以作为其他有类似图像处理问题的人的例子：

def circle_pad(img, xc, yc, r):
    mg = np.mgrid[:img.shape[0],0:img.shape[1]]
    yi, xi = mg[0,:,:], mg[1,:,:]

    mask = ((yi-yc)**2 + (xi-xc)**2) < r**2

    d = np.sqrt( (yi-yc)**2 + (xi-xc)**2 )
    d = np.clip(d, r, None)
    ye = yc + (yi-yc)*(r/d)
    xe = xc + (xi-xc)*(r/d)

    ye = np.clip(ye.astype(int), 0, img.shape[0])
    xe = np.clip(xe.astype(int), 0, img.shape[1])

    img_out = img * mask + img[ye,xe] * (~mask)
    return img_out

关键部分是：

创建一个类似网格的索引数组 xi, yi 和 np.mgrid - 每个都与图像具有相同的大小
通过对 xi, yi

xe, ye

通过下标替换值，如下所示：img[ye,xe]

用区域内最接近的值填充图像

Fill image with nearest value within region

python

numpy

scikit-image