numpy 2-D数组：高效创建所有给定位置的圆形掩码的方法

Question

我有一个稀疏的二维布尔型numpy掩码，大小是100k / 20000^2，这个掩码对应着物体的位置。

我想更新这个掩码，把原始掩码中所有True像素周围一定半径内的像素都设置为True。换句话说，就是在每个位置用一个圆形的窗口对这个掩码进行处理。

因为这个主数组很大（也就是20000 x 20000），而且有10万个位置，所以我需要速度快和节省内存...

举个例子（可以参考 如何从索引列表创建二维掩码 [+ 然后从掩码数组中绘制]）：

import numpy
from scipy import sparse

xys=[(1,2),(3,4),(6,9),(7,3)]

master_array=numpy.ones((100,100))

coords = zip(*xys)
mask = sparse.coo_matrix((numpy.ones(len(coords[0])),coords),\
                         shape= master_array.shape, dtype=bool)

# Now mask all pixels within a radius r of every coordinate pair in the list
mask = cookieCutter(mask,r) # <--- I need an efficient cookieCutter function!

# Now sample the masked array
draws=numpy.random.choice(master_array[~mask.toarray()].flatten(),size=10)

谢谢！

（接下来是 如何从索引列表创建二维掩码 [+ 然后从掩码数组中绘制] 的内容）

单个位置的特殊情况： 如何将圆盘形掩码应用于numpy数组？

Answer 1

Scikit-Image 有一个叫做 膨胀函数，这个函数可以满足你的需求。