7

Python / NumPy / Scipyを使用して、画像の実行中の分散フィルターを計算する簡単な方法はありますか？分散画像を実行することにより、画像内の各サブウィンドウIのsum（（I --mean（I））^ 2）/nPixelsを計算した結果を意味します。

画像は非常に大きい（12000x12000ピクセル）ので、別のライブラリを使用してから元に戻すためだけに、フォーマット間で配列を変換するオーバーヘッドを回避したいと思います。

次のようなものを使用して平均を見つけることにより、手動でこれを行うことができると思います

kernel = np.ones((winSize, winSize))/winSize**2
image_mean = scipy.ndimage.convolve(image, kernel)
diff = (image - image_mean)**2
# Calculate sum over winSize*winSize sub-images
# Subsample result

しかし、Matlabのstdfilt-functionのようなものがあればもっといいでしょう。

誰かがこの機能を持ち、numpy配列をサポートするライブラリの方向に私を向けることができますか、またはNumPy / SciPyでこれを行う方法を示唆/提供できますか？

4

4 に答える 4

6

を使用numpy.lib.stride_tricks.as_stridedして、画像のウィンドウ表示を取得できます。

import numpy as np
from numpy.lib.stride_tricks import as_strided

rows, cols = 500, 500
win_rows, win_cols = 5, 5

img = np.random.rand(rows, cols)

win_img = as_strided(img, shape=(rows-win_rows+1, cols-win_cols+1,
                                 win_rows, win_cols),
                     strides=img.strides*2)

そして今、左上隅が position にwin_img[i, j]ある配列です:(win_rows, win_cols)[i, j]

>>> img[100:105, 100:105]
array([[ 0.34150754,  0.17888323,  0.67222354,  0.9020784 ,  0.48826682],
       [ 0.68451774,  0.14887515,  0.44892615,  0.33352743,  0.22090103],
       [ 0.41114758,  0.82608407,  0.77190533,  0.42830363,  0.57300759],
       [ 0.68435626,  0.94874394,  0.55238567,  0.40367885,  0.42955156],
       [ 0.59359203,  0.62237553,  0.58428725,  0.58608119,  0.29157555]])
>>> win_img[100,100]
array([[ 0.34150754,  0.17888323,  0.67222354,  0.9020784 ,  0.48826682],
       [ 0.68451774,  0.14887515,  0.44892615,  0.33352743,  0.22090103],
       [ 0.41114758,  0.82608407,  0.77190533,  0.42830363,  0.57300759],
       [ 0.68435626,  0.94874394,  0.55238567,  0.40367885,  0.42955156],
       [ 0.59359203,  0.62237553,  0.58428725,  0.58608119,  0.29157555]])

ただし、画像のウィンドウ表示をウィンドウ表示のコピーに変換しないように注意する必要があります。私の例では、25 倍のストレージが必要になります。numpy 1.7 では複数の軸を選択できるため、次のように簡単に実行できると思います。

>>> np.var(win_img, axis=(-1, -2))

私は numpy 1.6.2 で立ち往生しているので、それをテストすることはできません。それほど大きくないウィンドウで失敗する可能性がある他のオプションは、数学を正しく覚えていれば、次のようにすることです。

>>> win_mean = np.sum(np.sum(win_img, axis=-1), axis=-1)/win_rows/win_cols
>>> win_sqr_mean = np.sum(np.sum(win_img**2, axis=-1), axis=-1)/win_rows/win_cols
>>> win_var = win_sqr_mean - win_mean**2

そして今win_varは形状の配列です

>>> win_var.shape
(496, 496)

で、左上隅win_var[i, j]のウィンドウの分散を保持します。(5, 5)[i, j]

于 2013-03-12T13:36:06.793 に答える
4

少し最適化した後、一般的な 3D 画像用のこの関数を思い付きました。

def variance_filter( img, VAR_FILTER_SIZE ):
  from numpy.lib.stride_tricks import as_strided

  WIN_SIZE=(2*VAR_FILTER_SIZE)+1
  if ~ VAR_FILTER_SIZE%2==1:
      print 'Warning, VAR_FILTER_SIZE must be ODD Integer number  '
  # hack -- this could probably be an input to the function but Alessandro is lazy
  WIN_DIMS = [ WIN_SIZE, WIN_SIZE, WIN_SIZE ]


  # Check that there is a 3D image input.
  if len( img.shape ) != 3:
      print "\t variance_filter: Are you sure that you passed me a 3D image?"
      return -1
  else:
      DIMS = img.shape

  # Set up a windowed view on the data... this will have a border removed compared to the img_in
  img_strided = as_strided(img, shape=(DIMS[0]-WIN_DIMS[0]+1, DIMS[1]-WIN_DIMS[1]+1, DIMS[2]-WIN_DIMS[2]+1, WIN_DIMS[0], WIN_DIMS[1], WIN_DIMS[2] ), strides=img.strides*2)

  # Calculate variance, vectorially
  win_mean = numpy.sum(numpy.sum(numpy.sum(img_strided, axis=-1), axis=-1), axis=-1) / (WIN_DIMS[0]*WIN_DIMS[1]*WIN_DIMS[2])

  # As per http://en.wikipedia.org/wiki/Variance, we are removing the mean from every window,
  #   then squaring the result.
  # Casting to 64 bit float inside, because the numbers (at least for our images) get pretty big
  win_var = numpy.sum(numpy.sum(numpy.sum((( img_strided.T.astype('<f8') - win_mean.T.astype('<f8') )**2).T, axis=-1), axis=-1), axis=-1) / (WIN_DIMS[0]*WIN_DIMS[1]*WIN_DIMS[2])

  # Prepare an output image of the right size, in order to replace the border removed with the windowed view call
  out_img = numpy.zeros( DIMS, dtype='<f8' )
  # copy borders out...
  out_img[ WIN_DIMS[0]/2:DIMS[0]-WIN_DIMS[0]+1+WIN_DIMS[0]/2, WIN_DIMS[1]/2:DIMS[1]-WIN_DIMS[1]+1+WIN_DIMS[1]/2, WIN_DIMS[2]/2:DIMS[2]-WIN_DIMS[2]+1+WIN_DIMS[2]/2, ] = win_var

  # output
  return out_img.astype('>f4')
于 2014-06-20T07:54:18.080 に答える
2

使用できますscipy.ndimage.generic_filter。matlab でテストすることはできませんが、おそらくこれで探しているものが得られます。

import numpy as np
import scipy.ndimage as ndimage     
subs = 10  # this is the size of the (square) sub-windows
img = np.random.rand(500, 500)
img_std = ndimage.filters.generic_filter(img, np.std, size=subs)

footprintキーワードを使用して、任意のサイズのサブウィンドウを作成できます。例については、この質問を参照してください。

于 2013-03-12T13:54:06.173 に答える