提取匹配过滤器的元素

Question

我想过滤足迹 (3,3) 由 1 组成的索引。

import numpy as np
data = np.array([[1, 1 , 0 , 0 , 0 , 0 , 1 , 0],
                 [1, 1 , 1 , 0 , 0 , 1 , 1 , 0],
                 [1, 1 , 1 , 1 , 1 , 0 , 0 , 0],
                 [0, 0 , 1 , 1 , 1 , 0 , 0 , 0],
                 [0, 0 , 1 , 1 , 1 , 1 , 0 , 1],
                 [1, 1 , 0 , 0 , 0 , 1 , 1 , 1],
                 [1, 1 , 0 , 0 , 0 , 1 , 1 , 1]])

预期答案如下，不需要的位置设置为0s：

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

Answer 1

这个答案是基于我几个小时前写的a very similar answer。

#from sklearn.feature_extraction.image import extract_patches  # similar to numpy's stride_tricks
from numpy.lib.stride_tricks import as_strided

data = np.array([[1, 1 , 0 , 0 , 0 , 0 , 1 , 0],
                 [1, 1 , 1 , 0 , 0 , 1 , 1 , 0],
                 [1, 1 , 1 , 1 , 1 , 0 , 0 , 0],
                 [0, 0 , 1 , 1 , 1 , 0 , 0 , 0],
                 [0, 0 , 1 , 1 , 1 , 1 , 0 , 1],
                 [1, 1 , 0 , 0 , 0 , 1 , 1 , 1],
                 [1, 1 , 0 , 0 , 0 , 1 , 1 , 1]])
patches = as_strided(data, shape=(data.shape[0]-2,data.shape[1]-2, 3, 3), strides=data.strides*2)
dual = patches.all(axis=-1).all(axis=-1)
patches[dual==False] = 0
patches[dual] = 1

结果（data）如您所见。

其工作方式如下： 函数extract_patches 在数组data 中生成视图，这意味着它不是实际数据的副本，而是使用步幅 生成一个看似不同的数组。在这种情况下，它将生成数组data 的所有可能的 3x3 子矩阵（可以重叠）。然后，通过编写patches.all(axis=-1).all(axis=-1)，您首先检查子矩阵的行中的元素是否全部为 True（或在布尔意义上等价于 True，所以不是 0、空列表、空字典、空元组和其他一些特殊情况），从而折叠此数组的一个轴，然后使用第二个 .all(axis=-1) 检查列以查看它们是否全部为真。

这一段的小例子，直观地阐明：

>>> A = np.array([
... [1, 1, 0],        # -> along this row, not all elements are 1: so `all` along the last axis will return False
... [1, 1, 1],        # -> along this row, all elements are 1: so `all` along the last axis (axis=-1) will return True
... [1, 1, 1]])
>>> A.all(axis=-1)
array([False,  True,  True], dtype=bool)  # so it is done along the last axis, along the rows
>>> A.all(axis=-1).all(axis=-1)
False

所以这个数组dual 现在对于每个充满 1 的 3x3 子矩阵都有一个“1”（实际上是真的）。但是，这些子矩阵是重叠的，因此您首先要将补丁全部设置为 0，只要这些 3x3 子矩阵中的任何一个不是全部（这是第一个代码块中的倒数第二行：patches[dual==False] = 0）和 然后您可以在每个最初包含所有子矩阵的 3x3 子矩阵中再次应用这些子矩阵。 替代方法是与 kernel = np.ones((3,3)) 相关联或考虑多个按位运算（如在另一个答案中），但是当数组的维度超过简单的 (2,2) 时，最后一种方法变得非常难以编写。