Question

我有2d不同大小的二进制numpy arrays，其中包含某些模式。就像这样：

import numpy
a = numpy.zeros((6,6), dtype=numpy.int)
a[1,2] = a[1,3] = 1
a[4,4] = a[5,4] = a[4,3] = 1

这里的＆＃34;图像＆＃34;包含两个补丁，一个包含2个，另一个包含3个连接的单元。

print a
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 1, 0]])

我想知道非零单元格与另一个非零单元格接壤的频率（邻居定义为rook＆＃39; s ，所以单元格位于每个单元格的左侧，右侧，下方和上方）包括伪复制（反之亦然）。

内部边界的先前approach返回错误的值（5），因为它旨在计算外边界。

numpy.abs(numpy.diff(a, axis=1)).sum()

因此，对于上述测试数组，正确的总结果将是 6 （上部补丁有两个内部边界，下部四个）。

感谢任何提示！

编辑：

错误：下部显然有4个内部边缘（相邻的单元格具有相同的值）
更多地解释了所需的邻居

Answer 1

我认为如果它是8连接的邻域，结果是8。这是代码：

import numpy
a = numpy.zeros((6,6), dtype=numpy.int)
a[1,2] = a[1,3] = 1
a[4,4] = a[5,4] = a[4,3] = 1

from scipy.ndimage import convolve

kernel = np.ones((3, 3))
kernel[1, 1] = 0
b = convolve(a, kernel, mode="constant")
b[a != 0].sum()

但是你说了车的情况。

修改

以下是4连接邻居的代码：

import numpy as np a = np.zeros((6,6), dtype=np.int) a[1,2] = a[1,3] = 1 a[4,4] = a[5,4] = a[4,3] = 1 from scipy import ndimage kernel = ndimage.generate_binary_structure(2, 1) kernel[1, 1] = 0 b = convolve(a, kernel, mode="constant") b[a != 0].sum()

计算numpy数组中相等的相邻单元格的数量

1 个答案: