Question

过了午夜，也许有人知道如何解决我的问题。我想计算相邻单元格的数量（这意味着具有其他值的数组字段的数量，例如，在数组值附近的零）作为每个有效值的总和！。

示例：

import numpy, scipy
s = ndimage.generate_binary_structure(2,2) # Structure can vary
a = numpy.zeros((6,6), dtype=numpy.int) # Example array
a[2:4, 2:4] = 1;a[2,4] = 1 # with example value structure
print a 
>[[0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 1 1 1 0]
  [0 0 1 1 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]]
# The value at position [2,4] is surrounded by 6 zeros, while the one at
# position [2,2] has 5 zeros in the vicinity if 's' is the assumed binary structure. 
# Total sum of surrounding zeroes is therefore sum(5+4+6+4+5) == 24

如果我的值的结构变化，我怎么能以这种方式计算零的数量？我不知何故相信必须使用SciPy的binary_dilation函数，它能够扩大价值结构，但重叠的简单计数不能使我得到正确的总和或是吗？

print ndimage.binary_dilation(a,s).astype(a.dtype)
[[0 0 0 0 0 0]
 [0 1 1 1 1 1]
 [0 1 1 1 1 1]
 [0 1 1 1 1 1]
 [0 1 1 1 1 0]
 [0 0 0 0 0 0]]

Answer 1

使用卷积计算邻居：

import numpy
import scipy.signal

a = numpy.zeros((6,6), dtype=numpy.int) # Example array
a[2:4, 2:4] = 1;a[2,4] = 1 # with example value structure

b = 1-a
c = scipy.signal.convolve2d(b, numpy.ones((3,3)), mode='same')

print numpy.sum(c * a)

b = 1-a允许我们计算每个零而忽略那些零。

我们使用3x3 all-one内核进行卷积，该内核将每个元素设置为它的总和及其8个相邻值（其他内核是可能的，例如+内核仅用于正交相邻的值）。使用这些求和值，我们屏蔽原始输入中的零（因为我们不关心它们的邻居），并对整个数组求和。

Answer 2

我想你已经明白了。在扩张之后，1的数量是19，减去起始形状的5，你有14.这是你的形状周围的零的数量。你的总数有24个重叠。

计算numpy数组中的相邻单元格

2 个答案: