从numpy数组中检测高值

Question

我正在研究检测alogrythm以检测雷达图像上的风暴细胞.我在2d numpy数组中有雷达数据,我们在底图上绘制.我们得到了azymuth和rangebins数据,我们将其置于具有lat/lon坐标的极化网格中.

我们的numpy数组中的值基于dBZ高度,范围从零到最大80.

这里打印出名为data的numpy数组:

[[-31.5 -31.5  16.5 ..., -31.5 -31.5 -31.5]
[-31.5 -31.5 -31.5 ..., -31.5 -31.5 -31.5]
[-31.5 -31.5 -31.5 ..., -31.5 -31.5 -31.5]
...,
[-31.5 -31.5 -31.5 ..., -31.5 -31.5 -31.5]
[-31.5 -31.5 -31.5 ..., -31.5 -31.5 -31.5]
[-31.5  11.5 -31.5 ..., -31.5 -31.5 -31.5]]

而-31.5代表空值或隐藏值.我们只需要正值.即便是小数也没有意义.

那么我们想做什么:

检测高值的簇,并使它们围绕该单元格成红色方块.我尝试了一些带有图像蒙版的东西,但我卡在那里.即使我不知道图像蒙版是否是解决此问题的好方法.

这是我处理数据的代码.

gain             = 0.5                                  
offset           = -31.5

az = np.arange(0.,360.,360./scan["scan_number_azim"])
r  = np.arange(scan["scan_start_azim"], (scan["scan_start_azim"] + scan["scan_number_range"] * rscale), rscale)
data = gain * raw["scan2/scan_Z_data"] + offset

因此,检测的次数会经常波动.也许我需要像DBscan这样的东西？

有人可以帮助我吗？

Answer 1

如果你可以使用 scipy，我认为这样的事情会起作用：

import scipy.ndimage

mask = data > 20
labels, num_labels = scipy.ndimage.label(mask)
custers = scipy.ndimage.find_objects(labels)

现在clusters将是切片元组的列表，您可以获取矩形的起始和结束行和列，如下所示：

for row_slice, col_slice in clusters:
    start_row = row_slice.start
    end_row = row_slice.stop
    start_col = col_slice.start
    end_col = col_slice.stop
    # draw your rectangle