使用 Python 的二維數組（圖像）中的像素鄰居

Question

我有一個像這樣的 numpy 數組：

x = np.array([[1,2,3],[4,5,6],[7,8,9]])

我需要創建一個函數，讓我們使用以下輸入參數將其稱為“鄰居”：

• x: 一個 numpy 二維數組
• (i,j): 二維數組中元素的索引
• d：鄰域半徑

作為輸出，我想獲得具有給定距離d的單元格i,j的鄰居。 所以如果我跑

neighbors(im, i, j, d=1) with i = 1 and j = 1 (element value = 5) 

我應該得到以下值的索引： [1,2,3,4,6,7,8,9] 。 我希望我說清楚。 有沒有像 scipy 這樣的圖書館處理這個問題？

我已經做了一些工作，但這是一個粗略的解決方案。

def pixel_neighbours(self, p):

    rows, cols = self.im.shape

    i, j = p[0], p[1]

    rmin = i - 1 if i - 1 >= 0 else 0
    rmax = i + 1 if i + 1 < rows else i

    cmin = j - 1 if j - 1 >= 0 else 0
    cmax = j + 1 if j + 1 < cols else j

    neighbours = []

    for x in xrange(rmin, rmax + 1):
        for y in xrange(cmin, cmax + 1):
            neighbours.append([x, y])
    neighbours.remove([p[0], p[1]])

    return neighbours

我該如何改進？

Answer 1

看看scipy.ndimage.generic_filter 。

舉個例子：

import numpy as np
import scipy.ndimage as ndimage

def test_func(values):
    print(values)
    return values.sum()


x = np.array([[1,2,3],[4,5,6],[7,8,9]])

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

results = ndimage.generic_filter(x, test_func, footprint=footprint)

默認情況下，它將“反映”邊界處的值。 您可以使用mode關鍵字參數來控制它。

但是，如果您想做這樣的事情，您很有可能將您的問題表示為某種卷積。 如果是這樣，將其分解為卷積步驟並使用更優化的函數（例如大部分scipy.ndimage ）會scipy.ndimage 。

Answer 2

編輯：啊廢話，我的答案只是寫im[id:i+d+1, jd:j+d+1].flatten()但寫得難以理解:)

---

舊的滑動窗口技巧可能會在這里有所幫助：

import numpy as np
from numpy.lib.stride_tricks import as_strided

def sliding_window(arr, window_size):
    """ Construct a sliding window view of the array"""
    arr = np.asarray(arr)
    window_size = int(window_size)
    if arr.ndim != 2:
        raise ValueError("need 2-D input")
    if not (window_size > 0):
        raise ValueError("need a positive window size")
    shape = (arr.shape[0] - window_size + 1,
             arr.shape[1] - window_size + 1,
             window_size, window_size)
    if shape[0] <= 0:
        shape = (1, shape[1], arr.shape[0], shape[3])
    if shape[1] <= 0:
        shape = (shape[0], 1, shape[2], arr.shape[1])
    strides = (arr.shape[1]*arr.itemsize, arr.itemsize,
               arr.shape[1]*arr.itemsize, arr.itemsize)
    return as_strided(arr, shape=shape, strides=strides)

def cell_neighbors(arr, i, j, d):
    """Return d-th neighbors of cell (i, j)"""
    w = sliding_window(arr, 2*d+1)

    ix = np.clip(i - d, 0, w.shape[0]-1)
    jx = np.clip(j - d, 0, w.shape[1]-1)

    i0 = max(0, i - d - ix)
    j0 = max(0, j - d - jx)
    i1 = w.shape[2] - max(0, d - i + ix)
    j1 = w.shape[3] - max(0, d - j + jx)

    return w[ix, jx][i0:i1,j0:j1].ravel()

x = np.arange(8*8).reshape(8, 8)
print x

for d in [1, 2]:
    for p in [(0,0), (0,1), (6,6), (8,8)]:
        print "-- d=%d, %r" % (d, p)
        print cell_neighbors(x, p[0], p[1], d=d)

在這里沒有做任何計時，但這個版本可能具有合理的性能。

有關更多信息，請使用短語“rolling window numpy”或“sliding window numpy”搜索網絡。

Answer 3

我不知道有關此的任何庫函數，但是您可以使用 numpy 的強大切片功能輕松地自己編寫這樣的東西：

import numpy as np
def neighbors(im, i, j, d=1):
    n = im[i-d:i+d+1, j-d:j+d+1].flatten()
    # remove the element (i,j)
    n = np.hstack((b[:len(b)//2],b[len(b)//2+1:] ))
    return n

當然，您應該進行一些范圍檢查以避免越界訪問。

Answer 4

通過使用max和min ，您可以處理上限和下限的像素：

im[max(i-1,0):min(i+2,i_end), max(j-1,0):min(j+2,j_end)].flatten()

Answer 5

我同意 Joe Kingtons 的回應，只是增加了足跡

import numpy as np
from scipy.ndimage import generate_binary_structure
from scipy.ndimage import iterate_structure
foot = np.array(generate_binary_structure(2, 1),dtype=int)

或更大/不同的足跡，例如。

np.array(iterate_structure(foot , 2),dtype=int)

Answer 6

可能在SciPy 中使用KDTree嗎？

Answer 7

我們首先使用 numpy 初始化我們的興趣矩陣

import numpy as np

x = np.array([[1,2,3],[4,5,6],[7,8,9]])

print(x)

[[1 2 3]
 [4 5 6]
 [7 8 9]]

我們的鄰居是距離的函數，例如我們可能對距離為 2 的鄰居感興趣，這告訴我們應該如何填充矩陣 x。 我們選擇用零填充，但您可以填充任何您喜歡的可能是平均值、模式、行/列的中位數

d = 2

x_padded = np.pad(x,d,mode='constant')

print(x_padded)

[[0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0]
 [0 0 1 2 3 0 0]
 [0 0 4 5 6 0 0]
 [0 0 7 8 9 0 0]
 [0 0 0 0 0 0 0]
 [0 0 0 0 0 0 0]]

我們使用x_padded矩陣來獲取矩陣x中任何值的鄰居。 設(i,j)和(s,t)分別是x和x_padded索引。 現在我們需要將(i,j)為(s,t)以獲得(i,j)鄰居

i,j = 2,1
s,t = 2*d+i+1, 2*d+j+1

window = x_padded[i:s, j:t]

print(window)

[[0 1 2 3 0]
 [0 4 5 6 0]
 [0 7 8 9 0]
 [0 0 0 0 0]
 [0 0 0 0 0]]

請注意！！！ 索引(i,j)指向您希望在矩陣x獲得其鄰居的任何值

人們可能希望迭代矩陣x每個點，獲取其鄰居並使用鄰居進行計算，例如在圖像處理中，使用內核進行卷積。 人們可能會執行以下操作來獲取圖像x中每個像素的鄰居

for i in range(x.shape[0]):
    for j in range(x.shape[1]):
        i,j = 2,1
        s,t = 2*d+i+1, 2*d+j+1
        window = x_padded[i:s, j:t]