二维数组中的邻居 python

Question

我有一个 2D numpy 数组，如下所示：

start = np.array([
    [1,1,0,1],
    [1,0,0,1],
    [0,1,0,0]
                ])

我需要得到相同的矩阵，但是用我可以通过向任何方向移动一步但只沿着1走得到的邻居数替换每个值

结果，我应该得到以下信息：

finish = np.array([
    [4,4,0,2],
    [4,0,0,2],
    [0,4,0,0]
                 ])

在我看来，这是一个众所周知的问题，但我什至没有想出如何在搜索中表述它，因为我正在寻找的一切都有点不同。 最好的方法是什么？

Answer 1

您可以使用带有自定义结构数组s的scipy.ndimage标签function ：

import numpy as np
from scipy.ndimage import label    

start = np.asarray([ [1,1,0,1],
                   [1,0,0,1],
                   [0,1,0,0] ])

#structure array what to consider as "neighbors"
s = [[1,1,1],
     [1,1,1],
     [1,1,1]]

#label blobs in array
labeledarr,_ = label(start, structure=s)

#retrieve blobs and the number of elements within each blobs
blobnr, blobval = np.unique(labeledarr.ravel(), return_counts=True)

#substitute blob label with the number of elements
finish = np.zeros_like(labeledarr)
for k, v in zip(blobnr[1:], blobval[1:]):
    finish[labeledarr==k] = v

print(finish)

Output：

[[4 4 0 2]
 [4 0 0 2]
 [0 4 0 0]]

我确信用它出现的值替换 label 数字的最后一步可以在速度方面进行优化。
@mad-physicist 正确地提到最初使用的labeledarr.flat应该替换为labeledarr.ravel() 。 此处解释了其原因。

Answer 2

我有一个二维 numpy 数组，如下所示：

start = np.array([
    [1,1,0,1],
    [1,0,0,1],
    [0,1,0,0]
                ])

我需要得到相同的矩阵，但将每个值替换为我可以通过向任何方向移动一步而得到的邻居数，但只能沿着1行走

结果，我应该得到以下信息：

finish = np.array([
    [4,4,0,2],
    [4,0,0,2],
    [0,4,0,0]
                 ])

在我看来，这是一个众所周知的问题，但我什至没有弄清楚如何在搜索中制定它，因为我正在寻找的一切都有点不同。 最好的方法是什么？

Answer 3

您可以使用scipy.ndimage.label到 label 连接区域并返回区域数，如@Mr.T 指出的那样。 这可以用于创建用于索引和计数的 boolean 掩码。

感谢@Mr.T go，因为他首先提出了类似的解决方案。 由于第二部分不同，这个答案仍然发布，我发现它更具可读性并且在我的机器上快 40%。

import numpy as np
from scipy.ndimage import label

a = [[1,1,0,1],
     [1,0,0,1],
     [0,1,0,0]]) 

# Label connected regions, the second arg defines the connection structure
labeled, n_labels = label(a, np.ones((3,3)))

# Replace label value with the size of the connected region
b = np.zeros_like(labeled)
for i in range(1, n_labels+1):
    target = (labeled==i)
    b[target] = np.count_nonzero(target)

print(b)

output：

[[4 4 0 2]
 [4 0 0 2]
 [0 4 0 0]]