Круговое соседство - Минимальный Numpy

Question

Я хочу применить операцию круговой окрестности к двумерному массиву, где каждое значение пикселя заменяется минимумом в круговой окрестности (радиус = х).

Я могу применить основанный на ядре generic_filter и получить минимум, но операция занимает квадратную окрестность, что дает неправильный вывод.

Я попытался использовать цикл for и выполнить операцию, используя таблицу поиска радиуса, которая в основном представляет собой массив, который дает расстояние от первого пикселя и использует условия if для получения минимума. Что-то вроде этого:

import numpy as np

radiusGrid = np.random.randint(6, size=100).reshape(10,10)
radiusLUT = np.ones((6,6))

print radiusGrid

for i in xrange(6):
    for j in xrange(6):
        radiusLUT[i][j] = max(i,j) + (min(i,j)/2)

radius = 3

for y in xrange(10):
    intermediateGridRow = intermediateGrid[y]
    centerRadiusGridRow = radiusGrid[y]
    for x in xrange(10):
        startRow = max(y - radius,0)
        startCol = max(x - radius,0)
        endRow = min(y + radius +1, 10)
        endCol = min(x + radius +1, 10)
        minRadius = centerRadiusGridRow[x]
        for row in xrange(startRow,endRow):
            radiusGridRow = radiusGrid[row]
            radiusLUTRow = radiusLUT[abs(y-row)]
            for col in xrange(startCol,endCol):
                if radiusLUTRow[abs(x-col)] < radius and radiusGridRow[col] < minRadius:
                    minRadius = radiusGridRow[col]
        intermediateGridRow[x] = minRadius
    intermediateGrid[y] = intermediateGridRow

print intermediateGrid

Выше был построен, чтобы получить минимум в радиусе 3.

Реализация цикла for работает, но медленна для больших массивов. Я не склонен использовать Cython или f2py. Есть ли способ оптимизировать это?

Answer 1

import numpy as np
from scipy.ndimage.filters import generic_filter as gf

kernel = np.zeros((2*radius+1, 2*radius+1))
y,x = np.ogrid[-radius:radius+1, -radius:radius+1]
mask = x**2 + y**2 <= radius**2
kernel[mask] = 1
#calculate
circular_min = gf(data, np.min, footprint=kernel)