计算 numpy 数组中具有 2 个或更多邻居的单元格数答案

【问题标题】：Calculate number of cells with 2 neighboors or more, within a numpy array计算 numpy 数组中具有 2 个或更多邻居的单元格数
【发布时间】：2020-12-19 02:20:42
【问题描述】：

我正在努力实现与question 类似的目标。目标是计算至少有两个直接邻居（上、下、左、右）的 1 的数量，与我的版本的唯一区别是序列中必须至少有一个十字或角。

例如，

array([[0, 0, 0, 0, 0, 1],
       [0, 1,*1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [1, 0, 0, 0, 0, 0],
       [1, 1, 0, 1, 1, 0],
       [1, 0, 0, 0, 1, 0]])

星号 *1 不算数，因为它的邻居没有形成角或十字。右上角 1 也没有，因为它没有两个邻居。答案是 2（右下和左下）。

这是我尝试过的：

import numpy as np
a = np.zeros((6,6), dtype=np.int)
a[0,5] = 1
a[1,1] = a[1,2] = a[1,3] = 1
a[4,4] = a[5,4] = a[4,3] = 1
a[3,0] = a[4,0] = a[5,0] = a[4,1] = 1

from scipy import ndimage
kernel = ndimage.generate_binary_structure(2, 1)
kernel[1, 1] = 0

b = convolve(a, kernel, mode="constant")
c = b[a>0]

# At least 2 neighbours
return len(c[c >= 2])

但它仍然从第二行开始计算星号 *1（返回 3 而不是 2）！

感谢您的帮助！

【问题讨论】：

标签： python numpy multidimensional-array scipy mathematical-morphology

【解决方案1】：

您的标准可以重述为“至少一个水平邻居和至少一个垂直邻居”。所以做任何邻居检测，你最终会选择不是在 2D 中，而是在 1D 中选择两次，一次是水平的，一次是垂直的：

例如，使用提供convolve1d的scipy.ndimage：

import scipy.ndimage as sn

(sn.convolve1d(in_,(1,3,1),axis=0,mode="constant")>>2) & (sn.convolve1d(in_,(1,3,1),axis=1,mode="constant")>>2)
# array([[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, 0, 0, 0, 1, 0],
#        [0, 0, 0, 0, 0, 0]])

（in_ 是 OP 中的示例数组。）

【讨论】：

【解决方案2】：

您正在尝试二维卷积。您可能想尝试一个“十字形”内核，这将导致相关单元格的值为 3 或更多（=1+2，1 来自中心的 1，2 来自邻居）。 signal.convolve2d 来自 scipy 完成此操作，如下所示：

import numpy as np
from scipy import ndimage
from scipy import signal

a = np.zeros((6,6), dtype=np.int)
a[0,5] = 1
a[1,1] = a[1,2] = a[1,3] = 1
a[4,4] = a[5,4] = a[4,3] = 1
a[3,0] = a[4,0] = a[5,0] = a[4,1] = 1

print(a)

#kernel = ndimage.generate_binary_structure(2, 1)
#kernel[1, 1] = 0
kernel = np.array([[0,1,0], [1,1,1], [0,1,0]])

#b = np.convolve(a, kernel, mode="constant")
#c = b[a>0]
b = signal.convolve2d(a, kernel, mode='same')

# At least 2 neighbours
#return len(c[c >= 2])
print(b)
print(np.where(b > 2, b, 0))

产生（我用np.where过滤了结果）：

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

1 的位置已被正确识别（3 或 4）。

【讨论】：