我的示例图像如下所示:
array([[2, 0, 2, 0, 3, 0],
[0, 0, 0, 0, 0, 0],
[2, 0, 2, 0, 4, 0],
[0, 0, 0, 0, 0, 0],
[9, 0, 3, 0, 3, 0],
[0, 0, 0, 0, 0, 0]])
我想根据相邻像素值计算所有为 0 的缺失像素值。
计算缺失像素值的公式如下所示:
其中DN为可用值,X为DN采样值,需要填写。
X01 = 0.5 DN00 + 0.5 DN02
X10 = 0.5 DN00 + 0.5 DN20
X11 = 0.25 DN00 + 0.25 DN02 + 0.25 DN20 + 0.25 DN22
X12 = 0.5 DN02 + 0.5 DN22
X21 = 0.5 DN20 + 0.5 DN22
到目前为止我已经试过了convolve2d在图像上,
from scipy.signal import convolve2d
kernel = array([[1. , 0.5, 1. ],
[0.5, 1. , 0.5],
[1. , 0.5, 1. ]])
convolve2d(a, kernel, boundary='wrap', mode='same')
但输出不正确:
array([[ 2. , 2. , 2. , 2.5, 3. , 2.5],
[ 2. , 8. , 2. , 11. , 3.5, 11. ],
[ 2. , 2. , 2. , 3. , 4. , 3. ],
[ 5.5, 16. , 2.5, 12. , 3.5, 18. ],
[ 9. , 6. , 3. , 3. , 3. , 6. ],
[ 5.5, 16. , 2.5, 11. , 3. , 17. ]])
我做错了什么?任何帮助将不胜感激。
请您参考如下方法:
您正在尝试使用与您的功能定义不匹配的操作来解决此问题。这不是一个简单的卷积运算;该操作取决于窗口的结构。对于给定的 a 数组,您需要非零元素的平均值。为什么不那样写你的过滤器?
您给定的过滤器错误地处理了除直接位于两个非零条目之间的点之外的所有内容:现有元素根本不应该更改,但过滤器将它们切成两半;对于“四个角的中心”条目,过滤器对两个角采用全部权重并忽略其他角。
OP 更新问题后:
好多了。现在,如果您更改内核以专门处理四个角元素的情况,会发生什么情况,如下所示?
kernel = array([[0.25, 0.5, 0.25],
[0.5 , 1. , 0.5 ],
[0.25, 0.5, 0.25]])
