python中input数组_python-numpy.interp和掩码数组

我正在使用一个numpy蒙版数组来执行一些图像处理.设置了遮罩可处理围绕图像的NoData像素(必要边界,因为这些是地图投影图像,其原点位于无数据像素中).

使用以下代码块,我可以对图像执行高斯拉伸.

def gaussian_stretch(input_array, array_mean, array_standard_deviation, number_of_bins, n):

shape = input_array.shape

input_array = input_array.flatten()

#define a gaussian distribution, get binned GDF histogram

array_standard_deviation *= n

gdf = numpy.random.normal(array_mean, array_standard_deviation, 10000)

hist, bins = numpy.histogram(gdf, number_of_bins, normed=True)

cdf = hist.cumsum()

cdf = 256 * cdf / cdf[-1]

#interpolate and reshape

input_array = numpy.interp(input_array,bins[:-1],cdf)

input_array = input_array.reshape(shape)

return input_array

如果图像不包含NoData边框,则拉伸将按预期进行.在带有遮罩的图像上,遮罩将被忽略.这是预期的行为吗？关于如何仅处理未屏蔽数据的任何想法？

我尝试使用input_array.compressed(),但这将返回仅包含未屏蔽值的一维数组.如预期的那样,由于数组之间的大小差异,使用numpy.interp失败.

最后,我了解到使用numpy.random.normal并不总是会返回理想的高斯分布,并且一旦算法的其余部分起作用,我将添加一些误差约束.

解决方法:

您可以先获取input_array的掩码,并将其应用于结果数组,然后使用scipy.stats.norm计算正态分布的cdf,也可以使用scipy.special.erf()通过使用cdf公式计算cdf正态分布：

import scipy.stats as stats

def gaussian_stretch2(input_array, array_mean, array_standard_deviation, n):

mask = input_array.mask

n = stats.norm(array_mean, array_standard_deviation*n)

return numpy.ma.array(n.cdf(input_array), mask=mask)

标签：image-processing,arrays,python,numpy

来源： https://codeday.me/bug/20191208/2088753.html