numpy - scikit-image:平均过滤器更改 dtype

Question

我正在使用 mean filter来自 sci-kit 图像。然而，它似乎改变了dtype浮点图像到 uint8 ，这会导致再次将其传递给其他过滤器函数时出现问题。

作为说明，请考虑以下代码。

import numpy as np
from skimage import filters
from skimage.morphology import square

def mean_filter(img):
    selem = square(3)
    print(img.dtype)
    print(img.max(), img.min())
    fi =  filters.rank.mean(img, selem=selem)
    print(fi.dtype)
    print(fi.max(), fi.min())
    return fi

arr = np.array([[.1, .2, .3], 
                [.4, .5, .6],
                [.7, .8, .9]], dtype='float64')
m = mean_filter(arr) 

给出以下输出。

float64
0.9 0.1
uint8
178 76

但是，根据文档，返回类型应该与输入类型相同。这里发生了什么？

Answer 1

Scikit-image 的 rank过滤器仅针对 uint8 定义和 uint16数据类型。这就是它转换为 uint8 的原因。 ，您得到结果的类型。例如。 documentation rank.mean ，它说:

image : 2-D array (uint8, uint16)

因此，如果您输入 uint8或 uint16 , skimage 将在结果中保留该数据类型。否则，它会尝试将您的图像转换为引擎盖下的图像之一。

相反，您可以做的是使用 scipy :

>>> from scipy.ndimage import uniform_filter
>>> size = 3
>>> result = uniform_filter(arr, size)

或者，如果您愿意，也可以创建自己的过滤器:

>>> from scipy.ndimage import convolve1d
>>> size = 3
>>> kernel = np.ones(size, arr.dtype) / size
>>> result = convolve1d(convolve1d(arr, kernel, axis=0), kernel, axis=1)

注:以上称为separable convolution .它的工作原理是将图像与两个一维过滤器进行卷积，首先在 y 中。轴然后越过 x轴(顺序无关紧要)。尽管看起来很难看(因为您必须对图像进行两次卷积)，但当您的内核(过滤器)是可分离的时，运行两个一维卷积比运行单个二维卷积要快几个数量级。 Scipy's uniform_filter在幕后这样做。每个轴调用一次到 uniform_filter1d .