二維數組中的鄰居 python

Question

我有一個 2D numpy 數組，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陣，但是用我可以通過向任何方向移動一步但只沿着1走得到的鄰居數替換每個值

結果，我應該得到以下信息：

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

在我看來，這是一個眾所周知的問題，但我什至沒有想出如何在搜索中表述它，因為我正在尋找的一切都有點不同。 最好的方法是什么？

Answer 1

您可以使用帶有自定義結構數組s的scipy.ndimage標簽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]]

我確信用它出現的值替換 label 數字的最后一步可以在速度方面進行優化。
@mad-physicist 正確地提到最初使用的labeledarr.flat應該替換為labeledarr.ravel() 。 此處解釋了其原因。

Answer 2

我有一個二維 numpy 數組，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陣，但將每個值替換為我可以通過向任何方向移動一步而得到的鄰居數，但只能沿着1行走

結果，我應該得到以下信息：

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

在我看來，這是一個眾所周知的問題，但我什至沒有弄清楚如何在搜索中制定它，因為我正在尋找的一切都有點不同。 最好的方法是什么？

Answer 3

您可以使用scipy.ndimage.label到 label 連接區域並返回區域數，如@Mr.T 指出的那樣。 這可以用於創建用於索引和計數的 boolean 掩碼。

感謝@Mr.T go，因為他首先提出了類似的解決方案。 由於第二部分不同，這個答案仍然發布，我發現它更具可讀性並且在我的機器上快 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]]