python中的圆形中值滤波器答案

【问题标题】：circular median filter in pythonpython中的圆形中值滤波器
【发布时间】：2018-01-02 12:42:45
【问题描述】：

我想创建一个具有给定半径的圆形中值滤波器，而不是来自数组的方形滤波器。到目前为止，这是我的尝试：

#   Apply median filter to each image
import matplotlib.pyplot as plt
radius = 25
disk_filter = plt.fspecial('disk', radius)
w1_median_disk = plt.imfilter(w1data, disk_filter, 'replicate')

w2_median_disk = plt.imfilter(w2data, disk_filter, 'replicate')

w1data 和 w2data 是我试图应用过滤器的二维 numpy 数组。 fspecial 模块来自 Matlab，但我想在我的 Python 代码中使用它（或等效的东西）。有什么想法吗？

我收到错误消息“

disk_filter = plt.fspecial('磁盘', 半径)
AttributeError: 'module' 对象没有属性 'fspecial'"

我想知道是否有可以导入的包含 fspecial 的模块，或者 Python 中的等效命令。

【问题讨论】：

这段代码有什么问题？
编辑了原始帖子以澄清错误。

标签： python filtering

【解决方案1】：

如果您愿意安装/使用额外的软件包，我强烈推荐惊人的skimage 用于 Python 中的任何类型的图像处理！使用类似盘的过滤器进行过滤只需两行代码：

import skimage
import skimage.data
import skimage.morphology
import skimage.filters

# load example image
original = skimage.data.camera()

# create disk-like filter footprint with given radius
radius = 10
circle = skimage.morphology.disk(radius)

# apply median filter with given footprint = structuring element = selem
filtered = skimage.filters.median(original, selem = circle)

【讨论】：

【解决方案2】：

从：
https://www.mathworks.com/help/images/ref/fspecial.html 抓取“摄影师”图像

import numpy as np
import matplotlib.pyplot as plt

import os
from scipy import misc
path = 'D:/My Pictures/cameraman.bmp'
cameraman = misc.imread(path, flatten=0)

cameraman = np.average(cameraman, axis=2)

r = 10
y,x = np.ogrid[-r: r+1, -r: r+1]
disk = x**2+y**2 <= r**2
disk = disk.astype(float)

from scipy import signal
blur = signal.convolve2d(cameraman, disk, mode='full', boundary='fill', fillvalue=0)

import matplotlib 
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
ax1.imshow(cameraman, cmap = matplotlib.cm.Greys_r)
ax1.set_title('cameraman')
ax2.imshow(blur, cmap = matplotlib.cm.Greys_r)
ax2.set_title('signal.convolve2d(cameraman, disk..')

或者您可能想使用scipy.ndimage.filters.convolve 进行“反射”边缘处理

from scipy.ndimage.filters import convolve
blur = convolve(cameraman, disk)

【讨论】：

【解决方案3】：

这是我发现似乎可以完成这项工作的东西：

 from scipy.ndimage.filters import generic_filter as gf

 #   Define physical shape of filter mask
 def circular_filter(image_data, radius):
     kernel = np.zeros((2*radius+1, 2*radius+1))
     y, x = np.ogrid[-radius:radius+1, -radius:radius+1]
     mask = x**2 + y**2 <= radius**2
     kernel[mask] = 1                
     filtered_image = gf(image_data, np.median, footprint = kernel)
     return filtered_image

但我不确定我是否完全理解发生了什么。特别是，这些线条到底是做什么的

     y, x = np.ogrid[-radius:radius+1, -radius:radius+1]
     mask = x**2 + y**2 <= radius**2
     kernel[mask] = 1

做吗？

【讨论】：