将圆盘形掩码应用于 NumPy 数组中的多个位置

Question

我有一个与此处提出的问题类似的问题：How to apply a disc shaped mask to a numpy array?。但是，我不想屏蔽单个圆形扇区，而是创建一个具有多个圆形扇区的蒙版（数字是可变的）。这些面具都具有相同的半径，但不同的中心。这些中心的坐标存储在一个 numpy 二维数组中。例如：

maskcenters = array([[1, 1],
   [7, 2],
   [2, 8]])

现在要围绕单个中心创建一个圆形遮罩（半径 2），我可以简单地使用Bi Rico 给出的解决方案：

import numpy as np

a, b = maskcenters[0]
n = 10
r = 2

y,x = np.ogrid[-a:n-a, -b:n-b]
mask = x*x + y*y <= r*r

其中a和b代表蒙版的中心； n 要屏蔽的数组的大小；和 r 半径。

这将产生如下掩码：

#output
array([[ True,  True,  True, False, False, False, False, False, False],
   [ True,  True,  True,  True, False, False, False, False, False],
   [ True,  True,  True, False, False, False, False, False, False],
   [False,  True, False, False, False, False, False, False, False],
   [False, False, False, False, False, False, False, False, False],
   [False, False, False, False, False, False, False, False, False],
   [False, False, False, False, False, False, False, False, False],
   [False, False, False, False, False, False, False, False, False],
   [False, False, False, False, False, False, False, False, False]], dtype=bool)

但是，我想围绕其创建蒙版的中心数量不定。我知道如何使用 for 循环创建多个圆形掩码，但这会减慢代码速度。使用 10x10 数组中的示例掩码中心，我的最佳结果是：

#output
array([[ True,  True,  True, False, False, False, False, False,  True],
   [ True,  True,  True,  True, False, False, False,  True,  True],
   [ True,  True,  True, False, False, False,  True,  True,  True],
   [False,  True, False, False, False, False, False,  True,  True],
   [False, False, False, False, False, False, False, False,  True],
   [False, False,  True, False, False, False, False, False, False],
   [False,  True,  True,  True, False, False, False, False, False],
   [ True,  True,  True,  True,  True, False, False, False, False],
   [False,  True,  True,  True, False, False, False, False, False]], dtype=bool)

知道如何在不使用循环的情况下创建此蒙版吗？

Answer 1

您可以将scipy's binary_dilation 与磁盘形内核一起使用，就像这样 -

# Define inputs
maskcenters = np.array([
   [1, 1],
   [7, 2],
   [2, 8]])

out_shp = (10,10) # Output array shape
r = 2 # Radius of circles

# Get a disk kernel
X,Y = [np.arange(-r,r+1)]*2
disk_mask = X[:,None]**2 + Y**2 <= r*r

# Initialize output array and set the maskcenters as 1s 
out = np.zeros(out_shp,dtype=bool)
out[maskcenters[:,0],maskcenters[:,1]] = 1

# Use binary dilation to get the desired output
out = binary_dilation(out,disk_mask)

输出 -

In [64]: print out
[[ True  True  True False False False False False  True False]
 [ True  True  True  True False False False  True  True  True]
 [ True  True  True False False False  True  True  True  True]
 [False  True False False False False False  True  True  True]
 [False False False False False False False False  True False]
 [False False  True False False False False False False False]
 [False  True  True  True False False False False False False]
 [ True  True  True  True  True False False False False False]
 [False  True  True  True False False False False False False]
 [False False  True False False False False False False False]]

---

这是使用simple indexing 的另一种方法-

X,Y = [np.arange(-r,r+1)]*2
disk_mask = X[:,None]**2 + Y**2 <= r*r
Ridx,Cidx = np.where(disk_mask)

out = np.zeros(out_shp,dtype=bool)

absidxR = maskcenters[:,None,0] + Ridx-r
absidxC = maskcenters[:,None,1] + Cidx-r

valid_mask = (absidxR >=0) & (absidxR <out_shp[0]) & \
             (absidxC >=0) & (absidxC <out_shp[1])

out[absidxR[valid_mask],absidxC[valid_mask]] = 1