这是基于其他几个尚未完全回答的问题，所以我开始了一篇新文章。我正在努力在 50 像素的补丁中查找屏蔽数组的中位数。图像和遮罩都是 901x877 望远镜图像。
import numpy as np
import matplotlib.pyplot as plt
from astropy.io import fits
# Use the fits files as input image and mask
hdulist = fits.open('xbulge-w1.fits')
w1data = hdulist[0].data
hdulist3 = fits.open('xbulge-mask.fits')
mask = 1 - hdulist3[0].data
w1masked = np.ma.array(w1data, mask = mask)
# Use general arrays as input image and mask
#w1data = np.arange(790177).reshape(901,877)
#w1masked = np.ma.masked_inside(w1data, 30000, 60000)
side = 50
w, h = w1data.shape
width_index = np.array(range(w//side)) * side
height_index = np.array(range(h//side)) * side
def assign_patch(patch, median, side):
"""Break this loop out to prevent 4 nested 'for' loops"""
for j in range(side):
for i in range(side):
patch[i,j] = median
return patch
for width in width_index:
for height in height_index:
patch = w1masked[width:width+side, height:height+side]
median = np.median(patch)
assign_patch(patch, median, side)
plt.imshow(w1masked)
plt.show()
问题是，当我使用常规数组作为输入图像和掩码(注释掉的部分(时，它工作正常，但是当我使用 FITS 文件时，它会在输出图像上生成"侧面"大小的补丁。我不知道这是怎么回事。
我不知道你的 FITS 文件是什么样子的，但有几件事很突出：
np.median没有考虑到mask。事实上，在最近的 NumPy 版本中，如果尝试，这(正确(会打印警告。您应该改用np.ma.median。如果你要更新你的NumPy，你可能会看到这个：
用户警告： 警告："分区"将忽略 MaskedArray 的"掩码"。
当您知道可以使用切片分配时，不需要
assign_patch函数：w1masked[width:width+side, height:height+side] = median # instead of "assign_patch(patch, median, side)"
这也比执行双循环来替换每个值要快得多。
我认为问题实际上是因为您使用np.median而不是np.ma.median.蒙版像素可能具有许多值，包括nan、0、inf、...因此，如果考虑到这些(当它们应该被忽略时(可能会产生任何类型的问题，特别是如果median开始返回nanS 或类似内容。
更一般地说，如果你真的想要一个中位数过滤器，你不能只计算一个补丁的中位数，然后用那个中位数替换补丁中的所有值。您应该使用考虑掩码的中值滤波器。不幸的是，我从未见过在任何广泛传播的 Python 包中实现这样的过滤器。但是如果你有numba，你可以看看我的numbamisc的一个(非常实验性的！(包，其中包含一个考虑到口罩的median_filter。