为循环嵌套以进行numpy卷积

Question

如何提高此函数的速度？

def foo(mri_data, radius):
    mask = mri_data.copy()
    ny = len(mri_data[0,:])
    nx = len(mri_data[:])
    for y in xrange(0, ny):
        for x in xrange(0, nx):
            if (mri_data[x-radius:x+radius,y-radius:y+radius] != 1.0).all():
                mask[x,y] = 0.0                    
    return mask.copy() 

它以numpy数组的形式接收图像切片。遍历每个像素并测试该像素周围的边界框。如果框中没有值等于1，则我们通过将其设置为0来丢弃该像素。

有人告诉我可以使用numpy.convolve，但我不确定这是怎么回事。

编辑：图像值在二进制范围内，因此最小值为0.0，最大值为1.0。数值介于ex之间：0.767。

Answer 1

可以滥用卷积的情况之一。我不会用它，但边界在其他方面很乏味。。。

from scipy.ndimage import convolve
not_one = (mri_data != 1.0) # are you sure you want to compare with float like that?!
conv = convolve(not_one, np.ones((2*radius, 2*radius)))
all_not_one = (conv == (2*radius)**2)
mask[all_not_one] = 0

真的应该做同样的事情。。。

Answer 2

您所做的被称为binary_dilation，但您的代码中有一个小错误。具体来说，当x，y小于半径时，得到的是负指数。这些负数是使用numpy索引规则来解释的，这不是你想要的。更多关于索引的信息，会在图像的两个边缘上给出错误的结果。

这里有一些代码使用二进制膨胀来完成同样的事情，并修复了上面提到的错误。

import numpy as np
from scipy.ndimage import binary_dilation
def foo(mri_data, radius):
    structure = np.ones((2*radius, 2*radius))
    # I set the origin here to match your code
    mask = binary_dilation(mri_data == 1, structure, origin=-1)
    return np.where(mask, mri_data, 0)