从边缘计算缺失像素值

Question

我的示例图像如下：

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]])

我想要计算所有丢失的像素值，其中0是基于相邻的像素值。

计算丢失像素值的公式如下所示：

​

​

如果DN是可用的值，则X是DN采样的值，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，我已经在图片上尝试了convolve2d，

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')

但产出是不正确的：

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. ]])

我在这里做错什么了？任何帮助都将不胜感激。

Answer 1

你试图用一个不符合你的功能定义的操作来解决这个问题。这不是一个简单的卷积操作；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。为什么不这样写你的过滤器呢？

您给定的过滤器错误地处理所有东西，除了两个非零项之间的直接点:现有的元素根本不应该改变，但是过滤器将它们切成两半；对于“四个角的中心”条目，过滤器对两个角完全加权，而忽略其他的。

在执行部分更新问题后：

好多了。现在，如果您更改内核以专门处理四角元素的情况，会发生什么，如下所示？

kernel = array([[0.25, 0.5, 0.25],
                [0.5 , 1. , 0.5 ],
                [0.25, 0.5, 0.25]])