这个问题可能有点专家，但是希望有人可以提供帮助。我通常使用IDL，但为了开发管道，我希望使用python来改善运行时间。
我的fits文件处理设置如下：
import numpy as numpy
from astropy.io import fits
#Directory: /Users/UCL_Astronomy/Documents/UCL/PHASG199/M33_UVOT_sum/UVOTIMSUM/M33_sum_epoch1_um2_norm.img
with fits.open('...') as ima_norm_um2:
#Open UVOTIMSUM file once and close it after extracting the relevant values:
ima_norm_um2_hdr = ima_norm_um2[0].header
ima_norm_um2_data = ima_norm_um2[0].data
#Individual dimensions for number of x pixels and number of y pixels:
nxpix_um2_ext1 = ima_norm_um2_hdr['NAXIS1']
nypix_um2_ext1 = ima_norm_um2_hdr['NAXIS2']
#Compute the size of the images (you can also do this manually rather than calling these keywords from the header):
#Call the header and data from the UVOTIMSUM file with the relevant keyword extensions:
corrfact_um2_ext1 = numpy.zeros((ima_norm_um2_hdr['NAXIS2'], ima_norm_um2_hdr['NAXIS1']))
coincorr_um2_ext1 = numpy.zeros((ima_norm_um2_hdr['NAXIS2'], ima_norm_um2_hdr['NAXIS1']))
#Check that the dimensions are all the same:
print(corrfact_um2_ext1.shape)
print(coincorr_um2_ext1.shape)
print(ima_norm_um2_data.shape)
# Make a new image file to save the correction factors:
hdu_corrfact = fits.PrimaryHDU(corrfact_um2_ext1, header=ima_norm_um2_hdr)
fits.HDUList([hdu_corrfact]).writeto('.../M33_sum_epoch1_um2_corrfact.img')
# Make a new image file to save the corrected image to:
hdu_coincorr = fits.PrimaryHDU(coincorr_um2_ext1, header=ima_norm_um2_hdr)
fits.HDUList([hdu_coincorr]).writeto('.../M33_sum_epoch1_um2_coincorr.img')
我期待然后进行以下更正：
# Define the variables from Poole et al. (2008) "Photometric calibration of the Swift ultraviolet/optical telescope":
alpha = 0.9842000
ft = 0.0110329
a1 = 0.0658568
a2 = -0.0907142
a3 = 0.0285951
a4 = 0.0308063
for i in range(nxpix_um2_ext1 - 1): #do begin
for j in range(nypix_um2_ext1 - 1): #do begin
if (numpy.less_equal(i, 4) | numpy.greater_equal(i, nxpix_um2_ext1-4) | numpy.less_equal(j, 4) | numpy.greater_equal(j, nxpix_um2_ext1-4)): #then begin
#UVM2
corrfact_um2_ext1[i,j] == 0
coincorr_um2_ext1[i,j] == 0
else:
xpixmin = i-4
xpixmax = i+4
ypixmin = j-4
ypixmax = j+4
#UVM2
ima_UVM2sum = total(ima_norm_um2[xpixmin:xpixmax,ypixmin:ypixmax])
xvec_UVM2 = ft*ima_UVM2sum
fxvec_UVM2 = 1 + (a1*xvec_UVM2) + (a2*xvec_UVM2*xvec_UVM2) + (a3*xvec_UVM2*xvec_UVM2*xvec_UVM2) + (a4*xvec_UVM2*xvec_UVM2*xvec_UVM2*xvec_UVM2)
Ctheory_UVM2 = - alog(1-(alpha*ima_UVM2sum*ft))/(alpha*ft)
corrfact_um2_ext1[i,j] = Ctheory_UVM2*(fxvec_UVM2/ima_UVM2sum)
coincorr_um2_ext1[i,j] = corrfact_um2_ext1[i,j]*ima_sk_um2[i,j]
上面的代码片段很混乱，因为我混合使用了IDL语法和python语法。我只是不确定如何将IDL的某些方面转换为python。例如，
ima_UVM2sum = total(ima_norm_um2[xpixmin:xpixmax,ypixmin:ypixmax])我不太确定如何处理。我要说的是，我也缺少它将更新校正因子和重合校正图像文件的部分。如果有人可以耐心地用细齿梳子梳理一下，并提出必要的改动，那我将是非常好的。
原始规范化图像可以在此处下载：Replace ... in above code with this file
最佳答案
关于numpy的一个非常重要的事情是，它在元素基础上执行所有数学或比较功能。因此，您可能不需要遍历数组。
因此，也许从convolve用sum-filter开始您的图片。可以通过astropy.convolution.convolve或scipy.ndimage.filters.uniform_filter对2D图像进行此操作
我不确定您要什么，但我想您需要一个9x9的求和过滤器，该过滤器可以通过
from scipy.ndimage.filters import uniform_filter
ima_UVM2sum = uniform_filter(ima_norm_um2_data, size=9)
由于您要丢弃边界处的任何像素（4个像素），因此可以简单地
slice将其删除：ima_UVM2sum_valid = ima_UVM2sum[4:-4,4:-4]
这将忽略前4行和后4行以及前4行（最后通过将停止值设置为负数来实现）
现在您要计算校正：
xvec_UVM2 = ft*ima_UVM2sum_valid
fxvec_UVM2 = 1 + (a1*xvec_UVM2) + (a2*xvec_UVM2**2) + (a3*xvec_UVM2**3) + (a4*xvec_UVM2**4)
Ctheory_UVM2 = - np.alog(1-(alpha*ima_UVM2sum_valid*ft))/(alpha*ft)
这些都是数组，因此您仍然不需要循环。
但是然后您要填充两个图像。请注意，因为校正量较小（我们插入了第一行和最后一行/列），因此您必须在校正图像中采用相同的区域：
corrfact_um2_ext1[4:-4,4:-4] = Ctheory_UVM2*(fxvec_UVM2/ima_UVM2sum_valid)
coincorr_um2_ext1[4:-4,4:-4] = corrfact_um2_ext1[4:-4,4:-4] *ima_sk_um2
仅使用
numpys数学函数仍然没有循环。这意味着它要快得多（更快！），并且执行相同的操作。也许我忘记了切片，如果这样的话会产生一个
Not broadcastable error，请报告。只是关于循环的注释：Python的第一个轴是FITS中的第二个轴，第二个轴是第一个FITS轴。因此，如果您需要在轴上循环，请记住这一点，这样就不会导致
IndexErrors或意外结果。关于python - 使用astropy.fits和numpy将重合校正应用于SWIFT适合图像，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/35412235/