python/numpy：查找 2D/3D 蒙版的边缘

Question

这个问题与this question 非常相似，但我不确定如何将答案应用于 2D 或 3D 数组。

举个简单的例子，使用以下形状为 (5,5) 的二维数组：

In [158]: a                                                                                                                                                                      
Out[158]: 
array([[0, 0, 0, 0, 0],
       [0, 1, 1, 1, 0],
       [0, 1, 1, 1, 0],
       [0, 1, 1, 1, 0],
       [0, 0, 0, 0, 0]])

我想获取边缘的索引。对于这种情况：

(array([1, 1, 1, 2, 2, 3, 3, 3]), array([1, 2, 3, 1, 3, 1, 2, 3]))

现在我在两个方向/轴上移动数组，与原始数组进行比较并识别具有不同值的单元格：

In [230]: np.nonzero(a!= np.roll(a,shift=(1,1),axis=(0,1)))                                                                                                                      
Out[230]: (array([1, 1, 1, 2, 2, 3, 3, 4, 4, 4]), array([1, 2, 3, 1, 4, 1, 4, 2, 3, 4]))

有些索引是正确的，但有些则不是。我想由于我应用的转变，4s 应该变成 3s，但我不确定如何纠正这个问题，因为我计划将它应用于更复杂（和更大）的掩码数组。我的最终目标是将其应用于 3D 数组。

我正在使用 Python 3.7.1

Answer 1

您可以使用边缘检测过滤器convolve您的阵列

import numpy as np
from scipy.ndimage import convolve

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

fil = [[-1,-1,-1],
       [-1, 8,-1],
       [-1,-1,-1]]

np.where(convolve(x,fil, mode='constant') > 1)

输出：

(array([1, 1, 1, 2, 2, 3, 3, 3]), array([1, 2, 3, 1, 3, 1, 2, 3]))

卷积的结果

convolve(x,fil, mode='constant')

输出：

[[-1 -2 -3 -2 -1]
 [-2  5  3  5 -2]
 [-3  3  0  3 -3]
 [-2  5  3  5 -2]
 [-1 -2 -3 -2 -1]]