如何在 scipy 中使用统一过滤器设置不同的步幅？答案

【问题标题】：How to set different stride with uniform filter in scipy?如何在 scipy 中使用统一过滤器设置不同的步幅？
【发布时间】：2020-12-20 14:39:57
【问题描述】：

我正在使用以下代码对我的数据运行统一过滤器：

from scipy.ndimage.filters import uniform_filter
a = np.arange(1000)
b = uniform_filter(a, size=10)

过滤器现在似乎可以像步幅设置为 // 2 一样工作。如何调整代码让filter的stride不是大小的一半？

【问题讨论】：

标签： scipy filtering signal-processing scipy.ndimage

【解决方案1】：

您似乎误解了uniform_filter 在做什么。

在这种情况下，它会创建一个数组b，用以a[i] 为中心的大小为10 的块的平均值替换每个a[i]。所以，类似：

for i in range(0, len(a)):  # for the 1D case
   b[i] = mean(a[i-10//2:i+10//2]

请注意，这会尝试访问索引在 0..1000 范围之外的值。默认情况下，uniform_filter 假设位置 0 之前的数据只是之后数据的反映。最后也是类似的。

还要注意b 使用与a 相同的类型。在a为整数类型的例子中，平均值也会以整数计算，这会导致一些精度损失。

这里有一些代码和图表来说明正在发生的事情：

import matplotlib.pyplot as plt
import numpy as np
from scipy.ndimage.filters import uniform_filter

fig, axes = plt.subplots(ncols=2, figsize=(15,4))

for ax in axes:
    if ax == axes[1]:
        a = np.random.uniform(-1,1,50).cumsum()
        ax.set_title('random curve')
    else:
        a = np.arange(50, dtype=float)
        ax.set_title('values from 0 to 49')
    b = uniform_filter(a, size=10)

    ax.plot(a, 'b-')
    ax.plot(-np.arange(0, 10)-1, a[:10], 'b:') # show the reflection at the start
    ax.plot(50 + np.arange(0, 10), a[:-11:-1], 'b:') # show the reflection at the end
    ax.plot(b, 'r-')
plt.show()

【讨论】：

是的，我对过滤器的理解有误。最后的漂亮图表绝对是 +1！