在没有数据像素时对图像应用过滤器

Question

我有一个包含许多无数据像素的图像。图像为2d numpy数组，无数据值为“无”。每当我尝试在它上应用过滤器时，似乎内核中都会考虑到none值，并使我的像素消失

例如，我有这样的图像：

我已尝试使用此函数对其应用lee筛选器（取自Speckle ( Lee Filter) in Python）：

from scipy.ndimage.filters import uniform_filter
from scipy.ndimage.measurements import variance

def lee_filter(img, size):
    img_mean = uniform_filter(img, (size, size))
    img_sqr_mean = uniform_filter(img**2, (size, size))
    img_variance = img_sqr_mean - img_mean**2

    overall_variance = variance(img)

    img_weights = img_variance / (img_variance + overall_variance)
    img_output = img_mean + img_weights * (img - img_mean)
    return img_output

但结果如下：

警告：

UserWarning: Warning: converting a masked element to nan. dv = np.float64(self.norm.vmax) - np.float64(self.norm.vmin)

我还尝试使用图书馆findpeaks

from findpeaks import findpeaks
import findpeaks
#lee enhanced filter
image_lee_enhanced = findpeaks.lee_enhanced_filter(img, win_size=3, cu=0.25)

但我得到了同样的空白图像。 当我在同一张图像上使用中值滤波时，ndimage的工作没有问题

我的问题是如何在不让“无”值中断结果的情况下对图像运行这些过滤器？

编辑：我不喜欢将无值像素设置为0，因为像素范围值在-50-1之间（是索引值）。此外，我担心如果我将其更改为任何其他值（例如9999），它也会影响过滤器（我错了吗？）

编辑2:我已经阅读了Cris Luengo的答案，并尝试应用与scipy.ndimage中值滤波器类似的东西，因为我意识到结果也不正确。

这是原始图像：

我已尝试屏蔽空值：

idx = np.ma.masked_where(img,img!=None)[:,1]
median_filter_img = ndimage.median_filter(img[idx].reshape(491, 473), size=10)
zeros = np.zeros([img.shape[0],img.shape[1]])

zeros[idx] = median_filter_img

结果如下所示（颜色较深，以便在边缘看到问题）：

可以看出，边值似乎是无值的影响。 我也和img一起做过=0，但遇到了相同的问题

（仅添加：像素值在1到-35之间）

Answer 1

似乎一个简单的解决方案是将非值设置为零。我不知道你会如何解决这个问题，因为大多数图像处理内核都需要一些值来帮助你应用。 a[numpy.argwhere（a==None）]=0

Answer 2

如果要应用线性平滑滤波器，则可以使用归一化卷积

基本配方是：

1. 创建一个掩码图像，对于有数据的像素为1，对于没有数据的像素为0
2. 将没有数据的像素设置为任何数字，例如0。NaN无效，因为它在计算中传播
3. 将线性平滑过滤器应用于与遮罩相乘的图像
4. 将线性平滑过滤器应用于遮罩
5. 将两个结果分开

基本上，我们将线性平滑滤波器（卷积）的结果标准化为滤波器窗口内具有数据的像素数

在平滑遮罩为0（远离数据）的区域，我们将0除以0，因此需要特别注意

请注意，归一化卷积也可用于不确定数据，其中遮罩图像获得0到1之间的值，表示我们对每个像素的置信度。例如，被认为有噪声的像素可以设置为比其他像素更接近0的值

---

上述配方仅适用于线性平滑滤波器。归一化卷积可以用其他线性滤波器来实现，例如导数滤波器，但是得到的方法是不同的。例如，请参见here归一化卷积方程以计算导数

---

对于非线性滤波器，需要其他方法。例如，非线性平滑过滤器通常会避免影响边缘，因此在缺少数据的图像中，如果缺少的像素设置为0，或设置为数据范围之外的某个值，则该过滤器会非常好地工作。保留一个遮罩图像的概念，该图像指示哪些像素有数据，哪些没有数据始终是一个好主意