numpy数组中多个单元格补丁的相邻单元格

Question

这是来自solution 的后续问题。 除非数组中有多个补丁，否则计算相邻单元格的解决方案效果很好。

所以这次数组看起来像这样。

import numpy
from scipy import ndimage

s = ndimage.generate_binary_structure(2,2)
a = numpy.zeros((6,6), dtype=numpy.int) # example array
a[1:3, 1:3] = 1;a[2:4,4:5] = 1
print a
[0 0 0 0 0 0]
[0 1 1 0 0 0]
[0 1 1 0 1 0]
[0 0 0 0 1 0]
[0 0 0 0 0 0]
[0 0 0 0 0 0]

# Number of nonoverlapping cells
c = ndimage.binary_dilation(a,s).astype(a.dtype)
b = c - a
numpy.sum(b) # returns 19
# However the correct number of non overlapping cells should be 22 (12+10)

是否有任何聪明的解决方案可以在不使用任何循环或遍历数组的情况下解决这个难题？原因是数组可能很大。

想法 1：

仔细考虑一下，一种方法可能是检查迭代结构中的多个补丁。为了使总计数正确，下面的那些单元格在膨胀中必须等于 2（或更多）。有人知道如何将这种想法转化为代码吗？

[1 1 1 1 0 0]
[1 0 0 2 1 1]
[1 0 0 2 0 1]
[1 1 1 2 0 1]
[0 0 0 1 1 1]
[0 0 0 0 0 0]

Answer 1

您可以使用ndimage 中的label 来分割每个补丁。

然后您只需询问返回的数组等于 1、2、3 等的位置并对其执行您的算法（或者您只使用 ndimage.distance_transform_cdt 但为每个标记的段反转您的前景/背景。

编辑 1：

此代码将获取您的数组 a 并执行您的要求：

b, c = ndimage.label(a)
e = numpy.zeros(a.shape)
for i in xrange(c):

    e += ndimage.distance_transform_cdt((b == i + 1) == 0) == 1

print e

我意识到那里的所有等号有点难看，但它输出：

In [41]: print e
[[ 1.  1.  1.  1.  0.  0.]
 [ 1.  0.  0.  2.  1.  1.]
 [ 1.  0.  0.  2.  0.  1.]
 [ 1.  1.  1.  2.  0.  1.]
 [ 0.  0.  0.  1.  1.  1.]
 [ 0.  0.  0.  0.  0.  0.]]

编辑 2（替代解决方案）：

这段代码应该做同样的事情并且希望更快（但是它会不找到哪里 两个补丁只接触角落）。

b = ndimage.binary_closing(a) - a
b = ndimage.binary_dilation(b.astype(bool))

c = ndimage.distance_transform_cdt(a == 0) == 1

e = c.astype(numpy.int) * b + c

print e