如何使用 SciPy Image 应用统一过滤器，其中边界外的数据不被统计？

Question

我在这方面花了很多时间，并且我知道如何通过对边界行/列进行切片和索引来手动完成此操作，但 SciPy 必须有一种更简单的方法。

我需要将CVAL(当 时填充超出边缘的值mode=constant) 设置为 NaN，但是，这将返回 NaN。

我用代码和图来解释一下：

import numpy as np
from scipy import ndimage
m = np.reshape(np.arange(0,100),(10,10)).astype(np.float)

使用 SciPy ndimage 均匀滤波器使用 3x3 内核计算平均值：

filter = ndimage.uniform_filter(m, size=3, mode='constant')
print(filter[1][1]) # equal to 11
print(filter[9][9]) # I need 93.5, however it gets 41.55 due to zeros

正如您所看到的，第一个值显示为 11，这符合预期，但是，对于边界上的任何单元格，它将用零填充值（我还尝试了所有其他模式）。

这是我需要实现的目标（左）与mode=constant和CVAL=0（默认 0）

Answer 1

一种简单的方法是使用归一化卷积：

import numpy as np
from scipy import ndimage
m = np.reshape(np.arange(0,100),(10,10)).astype(np.float)

filter = ndimage.uniform_filter(m, size=3, mode='constant')    # normal filter result

weights = ndimage.uniform_filter(np.ones(m.shape), size=3, mode='constant')
filter = filter / weights    # normalized convolution result

print(filter[1][1]) # equal to 11
print(filter[9][9]) # equal to 93.49999999999994 -- rounding error! :)

如果所有数据点均为 1 ( )，我们计算过滤器的结果weights。这显示了每个过滤器窗口中有多少个数据元素，并在除边界附近之外的所有位置返回值 1，在边界附近该值按比例减小。通过将过滤结果除以这些权重，我们将数据域之外的零考虑在内来校正平均值。