在二维数组中搜索子数组（图像识别）[关闭]

Question

本质上，我有一个 numpy 图像数组，我试图找出它是否包含特定 RGB 像素值的 2x2 块。因此，例如，如果我的（简化的）图像数组类似于：

A B C D E F

G H I J K L

M N O P Q R

S T U V W X

我正在尝试检查它是否包含，例如：

J K

P Q

我对 numpy 还很陌生，所以我很感激任何帮助，谢谢。

Answer 1

这个解决方案怎么样：

1) 识别大数组中小数组右上角的左手元素的所有位置。

2) 检查每个给定元素对应的大数组的切片是否与小数组完全相同。

假设如果切片的左上角元素是5，我们会在大数组中找到5的位置，然后去检查大数组中5的左下角的切片是否相同作为小数组。

import numpy as np

a = np.array([[0,1,5,6,7],
              [0,4,5,6,8],
              [2,3,5,7,9]])

b = np.array([[5,6],
              [5,7]])

b2 = np.array([[6,7],
               [6,8],
               [7,9]])

def check(a, b, upper_left):
    ul_row = upper_left[0]
    ul_col = upper_left[1]
    b_rows, b_cols = b.shape
    a_slice = a[ul_row : ul_row + b_rows, :][:, ul_col : ul_col + b_cols]
    if a_slice.shape != b.shape:
        return False
    return (a_slice == b).all()

def find_slice(big_array, small_array):
    upper_left = np.argwhere(big_array == small_array[0,0])
    for ul in upper_left:
        if check(big_array, small_array, ul):
            return True
    else:
        return False

结果：

>>> find_slice(a, b)
True
>>> find_slice(a, b2)
True
>>> find_slice(a, np.array([[5,6], [5,8]]))
False

Answer 2

您可以使用np.in1d 使用主数组的扁平数组（例如a）和子数组（例如b）来有效地做到这一点。

假设示例：

a = np.random.random((100,50))
i=4
j=8
m=12
n=16
b = a[i:j,m:n]

并添加一些重复的不完整模式：

a[0,:3] = b[0,:3]
a[4,40:44] = b[0,:]
a[4,44:48] = b[1,:]
a[8,:4] = b[3,:]

b 出现在a 中的索引可以使用：

c = np.where(np.lib.arraysetops.in1d(a.flat,b.flat)==True)[0]
#array([  0,   1,   2, 212, 213, 214, 215, 240, 241, 242, 243, 244, 245, 246, 247, 262, 263, 264, 265, 312, 313, 314, 315, 362, 363, 364, 365, 400, 401, 402, 403], dtype=int64)

请注意，前三个索引不是您的答案，因为模式不完整。您只需定义一个规则来检查模式是否完整，即检查您在哪里有 b.shape[0] 乘以属于同一行的多个 b.shape[1] 索引。

那么你必须用二维数组来解释这个：

i = 212/a.shape[1]
j = i+b.shape[0]
m = 212 % a.shape[1]
n = m+b.shape[1]

挑战是找到212。