numpy 2-D 数组：在所有给定位置创建圆形掩码的有效方法

Question

我有一个稀疏的 (100k / 20000^2) 二维布尔 numpy 掩码，对应于对象的位置。

我想更新掩码以将原始掩码中某个 True 像素半径内的所有像素设置为 True。换句话说，将 delta 函数响应与每个位置的圆形孔径/内核（在这种情况下）响应进行卷积。

由于主阵列很大（即 20000 x 20000），并且有 100k 个位置，我需要速度和内存效率...

例如（见numpy create 2D mask from list of indices [+ then draw from masked array]）：

import numpy
from scipy import sparse

xys=[(1,2),(3,4),(6,9),(7,3)]

master_array=numpy.ones((100,100))

coords = zip(*xys)
mask = sparse.coo_matrix((numpy.ones(len(coords[0])),coords),\
                         shape= master_array.shape, dtype=bool)

# Now mask all pixels within a radius r of every coordinate pair in the list
mask = cookieCutter(mask,r) # <--- I need an efficient cookieCutter function!

# Now sample the masked array
draws=numpy.random.choice(master_array[~mask.toarray()].flatten(),size=10)

谢谢！

（继续numpy create 2D mask from list of indices [+ then draw from masked array]）

单仓特例：How to apply a disc shaped mask to a numpy array?

Answer 1

Scikit-Image 有 a dilation function，可以满足您的目的。