Question

假设我有这个

import numpy as np
x = np.zeros((10,16), dtype=np.int)
x[6:8,3:11] = 1
x[4:6,5:7] = 1
x[2:4,4:8] = 1
x[4:6,9:11] = 1
x[7,2] = 1
x[6,11] = 1
x[8,3] = 1
print(x)

输出：

[[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0]
 [0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 1 1 0 0 1 1 0 0 0 0 0]
 [0 0 0 0 0 1 1 0 0 1 1 0 0 0 0 0]
 [0 0 0 1 1 1 1 1 1 1 1 1 0 0 0 0]
 [0 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0]
 [0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]

我想对其进行过滤，以便删除4个邻域（即上，左，右，下）中少于2个邻居的元素。所以，我最终得到了（将最后三个位置设置为一个）：

[[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0]
 [0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 1 1 0 0 1 1 0 0 0 0 0]
 [0 0 0 0 0 1 1 0 0 1 1 0 0 0 0 0]
 [0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0]
 [0 0 0 1 1 1 1 1 1 1 1 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]]

我尝试使用scipy.ndimage.morphology.binary_closing，scipy.ndimage.morphology.binary_opening，scipy.ndimage.morphology.binary_dilation和scipy.ndimage.morphology.binary_erosion，但是结果不是我所需要的。我可以进行2个for循环，并遍历数组的每个元素，检查相邻元素，但是我觉得有更好的方法可以做到这一点。我误会了吗？

我对这种特定情况（4个邻域，保留2个邻居）更感兴趣，但是将其推广到另一个邻域或邻居数量（假设二进制数组）容易吗？

Answer 1

我设法做到了：

from scipy.signal import convolve2d
kernel = [[0,1,0],[1,1,1],[0,1,0]]
filtered = convolve2d(x, kernel, mode='same')
x[filtered<=2] = 0

已过滤：

[[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [0 0 0 0 1 1 1 1 0 0 0 0 0 0 0 0]
 [0 0 0 1 3 4 4 3 1 0 0 0 0 0 0 0]
 [0 0 0 1 3 5 5 3 1 1 1 0 0 0 0 0]
 [0 0 0 0 2 4 4 2 1 3 3 1 0 0 0 0]
 [0 0 0 1 2 4 4 2 2 4 4 2 0 0 0 0]
 [0 0 2 3 4 5 5 4 4 5 5 2 1 0 0 0]
 [0 1 2 5 4 4 4 4 4 4 3 2 0 0 0 0]
 [0 0 2 2 2 1 1 1 1 1 1 0 0 0 0 0]
 [0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0]]

我得到了想要的输出。谢谢@ user3080953

从邻域小于N

1 个答案: