Numpy 过滤器平滑零区域

我有一个 0 及更大整数的 2D numpy 数组，其中值代表区域标签。例如，

array([[9, 9, 9, 0, 0, 0, 0, 1, 1, 1],
       [9, 9, 9, 9, 0, 7, 1, 1, 1, 1],
       [9, 9, 9, 9, 0, 2, 2, 1, 1, 1],
       [9, 9, 9, 8, 0, 2, 2, 1, 1, 1],
       [9, 9, 9, 8, 0, 2, 2, 2, 1, 1],
       [4, 4, 4, 4, 0, 2, 2, 2, 1, 1],
       [4, 6, 6, 4, 0, 0, 0, 0, 0, 0],
       [4, 6, 6, 4, 0, 0, 0, 0, 0, 0],
       [4, 4, 4, 4, 5, 5, 5, 5, 5, 5],
       [4, 4, 4, 4, 5, 5, 5, 5, 5, 5]])

我希望等于 0（即零区域）的索引采用其附近最常见的值。该操作本质上会关闭零区域。我尝试过膨胀、腐蚀的多种变化，灰色封闭 https://docs.scipy.org/doc/scipy-0.16.1/reference/generated/scipy.ndimage.morphology.grey_closing.html， 和别的形态学运算 https://docs.scipy.org/doc/scipy-0.16.1/reference/ndimage.html#module-scipy.ndimage.morphology，但我无法完全消除零区域（不会笨拙地混合其他区域）。一个不错的方法可能是定义一个仅在零上进行卷积的内核，并使用过滤区域中最常见的标签设置值。但我不确定如何实现这一点。

这里提出了一种矢量化方法。步骤是：

1. 获取内核大小的 2D 滑动窗口，从而生成 4D 数组。我们可以用skimage's view_as_windows将它们作为视图，从而避免创建 任何额外的记忆。

2. 通过索引到 4D 数组来选择以零为中心的窗口。这会强制复制。但假设零的数量比输入数组中元素的总数相对较小，这应该没问题。

3. 对于每个选定的窗口，使用适当的偏移量来偏移每个窗口np.bincount来执行计数。因此，使用bincount并获取排除零的最大计数。最大计数的 argmax 应该是我们的人！

这是涵盖这些步骤的实现 -

from skimage.util import view_as_windows as viewW

def fill_zero_regions(a, kernel_size=3):
    hk = kernel_size//2 # half_kernel_size    

    a4D = viewW(a, (kernel_size,kernel_size))
    sliced_a = a[hk:-hk,hk:-hk]
    zeros_mask = sliced_a==0
    zero_neighs = a4D[zeros_mask].reshape(-1,kernel_size**2)
    n = len(zero_neighs) # num_zeros

    scale = zero_neighs.max()+1
    zno = zero_neighs + scale*np.arange(n)[:,None] # zero_neighs_offsetted

    count = np.bincount(zno.ravel(), minlength=n*scale).reshape(n,-1)
    modevals = count[:,1:].argmax(1)+1
    sliced_a[zeros_mask] = modevals
    return a

样本运行 -

In [23]: a
Out[23]: 
array([[9, 9, 9, 0, 0, 0, 0, 1, 1, 1],
       [9, 9, 9, 9, 0, 7, 1, 1, 1, 1],
       [9, 9, 9, 9, 0, 2, 2, 1, 1, 1],
       [9, 9, 9, 8, 0, 2, 2, 1, 1, 1],
       [9, 9, 9, 8, 0, 2, 2, 2, 1, 1],
       [4, 4, 4, 4, 0, 2, 2, 2, 1, 1],
       [4, 6, 6, 4, 0, 0, 0, 0, 0, 0],
       [4, 6, 6, 4, 0, 0, 0, 0, 0, 0],
       [4, 4, 4, 4, 5, 5, 5, 5, 5, 5],
       [4, 4, 4, 4, 5, 5, 5, 5, 5, 5]])

In [24]: fill_zero_regions(a)
Out[24]: 
array([[9, 9, 9, 0, 0, 0, 0, 1, 1, 1],
       [9, 9, 9, 9, 9, 7, 1, 1, 1, 1],
       [9, 9, 9, 9, 2, 2, 2, 1, 1, 1],
       [9, 9, 9, 8, 2, 2, 2, 1, 1, 1],
       [9, 9, 9, 8, 2, 2, 2, 2, 1, 1],
       [4, 4, 4, 4, 2, 2, 2, 2, 1, 1],
       [4, 6, 6, 4, 4, 2, 2, 2, 1, 0],
       [4, 6, 6, 4, 4, 5, 5, 5, 5, 0],
       [4, 4, 4, 4, 5, 5, 5, 5, 5, 5],
       [4, 4, 4, 4, 5, 5, 5, 5, 5, 5]])

正如所见，我们没有解决边界情况。如果需要，请使用零填充数组作为输入数组，如下所示：np.pad(a, (k//2,k//2), 'constant'), with k作为内核大小（=3对于样品）。