用内核平滑二维Numpy数组

Question

假设我有一个（m x n）2-d numpy数组，它们只是0和1。我想通过在阵列上运行例如3x3内核并获取该内核中的多数值来“平滑”阵列。对于边缘的值，我将忽略“丢失”的值。

例如，假设数组看起来像

import numpy as np

x = np.array([[1, 0, 0, 0, 0, 0, 1, 0],
              [0, 0, 0, 0, 0, 0, 0, 0],
              [0, 0, 1, 1, 1, 1, 1, 0],
              [0, 0, 1, 1, 0, 1, 1, 0],
              [0, 0, 1, 0, 1, 1, 1, 0],
              [0, 1, 1, 1, 1, 0, 1, 0],
              [0, 0, 1, 1, 1, 1, 1, 0],
              [0, 0, 0, 0, 0, 0, 0, 0]])

从左上角的“ 1”开始，以左上角的第一个元素为中心的3 x 3内核将丢失第一行和第一列。我要处理的方式就是忽略它，并考虑剩下的2 x 2矩阵：

1 0
0 0

在这种情况下，多数值为0，因此将该元素设置为0。对所有元素重复此操作，我想要的结果二维数组将是：

0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 1 1 1 1 0
0 0 1 1 1 1 1 0
0 0 1 1 1 1 1 0
0 0 1 1 1 1 1 0
0 0 1 1 1 1 0 0
0 0 0 0 0 0 0 0

我该如何完成？

Answer 1

您可以使用skimage.filters.rank.majority为每个值分配在其附近出现最多的一个值。可以使用skimage.filters.rank.majority定义3x3内核：

skimage.morphology.square

---

注：您需要skimage.morphology.square的最新稳定版本

from skimage.filters.rank import majority
from skimage.morphology import square

majority(x.astype('uint8'), square(3))

array([[0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 1, 1, 0, 0],
       [0, 0, 1, 1, 1, 1, 1, 0],
       [0, 0, 1, 1, 1, 1, 1, 0],
       [0, 0, 1, 1, 1, 1, 1, 0],
       [0, 0, 1, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0, 0, 0]], dtype=uint8)

。更多scikit-image