Numpy inpaint nans 内插和外推

Question

我正在使用 numpy 和 scipy 开展一个项目，我需要填写 nanvalues。目前我使用 scipy.interpolate.rbf，但它一直导致 python 崩溃如此严重，try/except 甚至不会保存它。但是，运行几次之后，似乎在中间有数据被所有nan包围的情况下，它可能会一直失败，就像一个孤岛一样。有没有更好的解决方案，不会一直崩溃？

顺便说一句，这是我需要推断的大量数据。有时多达图像的一半（70x70，灰度），但它不需要完美。它是图像拼接程序的一部分，所以只要它与实际数据相似，它就可以工作。我已经尝试过最近的邻居来填写 nans，但结果太不同了。

编辑：

它似乎总是失败的图像。隔离此图像允许它在崩溃之前通过图像一次。

我至少使用 NumPy 1.8.0 和 SciPy 0.13.2 版本。

Answer 1

事实证明，这足以满足我的需求。它实际上非常快并且产生了合理的结果：

ipn_kernel = np.array([[1,1,1],[1,0,1],[1,1,1]]) # kernel for inpaint_nans

def inpaint_nans(im):
    nans = np.isnan(im)
    while np.sum(nans)>0:
        im[nans] = 0
        vNeighbors = scipy.signal.convolve2d((nans==False),ipn_kernel,mode='same',boundary='symm')
        im2 = scipy.signal.convolve2d(im,ipn_kernel,mode='same',boundary='symm')
        im2[vNeighbors>0] = im2[vNeighbors>0]/vNeighbors[vNeighbors>0]
        im2[vNeighbors==0] = np.nan
        im2[(nans==False)] = im[(nans==False)]
        im = im2
        nans = np.isnan(im)
    return im

Answer 2

使用 SciPy 的 LinearNDInterpolator。如果所有图像的大小相同，则可以预先计算并重复使用网格坐标。

import numpy as np
import matplotlib.pyplot as plt
from scipy import interpolate

x = np.linspace(0, 1, 500)
y = x[:, None]
image = x + y

# Destroy some values
mask = np.random.random(image.shape) > 0.7
image[mask] = np.nan

valid_mask = ~np.isnan(image)
coords = np.array(np.nonzero(valid_mask)).T
values = image[valid_mask]

it = interpolate.LinearNDInterpolator(coords, values, fill_value=0)

filled = it(list(np.ndindex(image.shape))).reshape(image.shape)

f, (ax0, ax1) = plt.subplots(1, 2)

ax0.imshow(image, cmap='gray', interpolation='nearest')
ax0.set_title('Input image')
ax1.imshow(filled, cmap='gray', interpolation='nearest')
ax1.set_title('Interpolated data')
plt.show()