从 numpy 数组中检测高值

Question

我正在研究一种检测算法，用于检测雷达图像上的风暴单元。 我在底图上绘制的二维 numpy 数组中有雷达数据。 我们得到了 azymuth 和 rangebins 数据，我们将它们放入带有纬度/经度坐标的极坐标网格中。

我们的 numpy 数组中的值基于 dBZ 高度，范围从零到最大值 80。

这是我们名为 data 的 numpy 数组的打印输出：

[[-31.5 -31.5  16.5 ..., -31.5 -31.5 -31.5]
[-31.5 -31.5 -31.5 ..., -31.5 -31.5 -31.5]
[-31.5 -31.5 -31.5 ..., -31.5 -31.5 -31.5]
...,
[-31.5 -31.5 -31.5 ..., -31.5 -31.5 -31.5]
[-31.5 -31.5 -31.5 ..., -31.5 -31.5 -31.5]
[-31.5  11.5 -31.5 ..., -31.5 -31.5 -31.5]]

而 -31.5 代表空值或隐藏值。我们只需要正值。即使是小数也没有意义。

那么我们要做什么：

检测高值簇，并在该单元格周围使它们成为红色方块。 我尝试了一些带有图像蒙版的东西，但我被困在那里。即使我不知道图像蒙版是否是解决此问题的好方法。

这是我处理数据的代码。

gain             = 0.5                                  
offset           = -31.5

az = np.arange(0.,360.,360./scan["scan_number_azim"])
r  = np.arange(scan["scan_start_azim"], (scan["scan_start_azim"] + scan["scan_number_range"] * rscale), rscale)
data = gain * raw["scan2/scan_Z_data"] + offset

因此，检测次数会经常波动。也许我也需要 DBscan 之类的东西？

有人可以帮我解决这个问题吗？

Answer 1

如果你可以使用 scipy，我认为这样的事情会起作用：

import scipy.ndimage

mask = data > 20
labels, num_labels = scipy.ndimage.label(mask)
custers = scipy.ndimage.find_objects(labels)

clusters 现在将是切片元组的列表，您可以将矩形的开始和结束行和列获取为：

for row_slice, col_slice in clusters:
    start_row = row_slice.start
    end_row = row_slice.stop
    start_col = col_slice.start
    end_col = col_slice.stop
    # draw your rectangle