4

过了午夜，也许有人知道如何解决我的问题。我想计算相邻单元格的数量（这意味着具有其他值的数组字段的数量，例如数组值附近的零）作为每个有效值的总和！.

例子：

import numpy, scipy
s = ndimage.generate_binary_structure(2,2) # Structure can vary
a = numpy.zeros((6,6), dtype=numpy.int) # Example array
a[2:4, 2:4] = 1;a[2,4] = 1 # with example value structure
print a 
>[[0 0 0 0 0 0]
  [0 0 0 0 0 0]
  [0 0 1 1 1 0]
  [0 0 1 1 0 0]
  [0 0 0 0 0 0]
  [0 0 0 0 0 0]]
# The value at position [2,4] is surrounded by 6 zeros, while the one at
# position [2,2] has 5 zeros in the vicinity if 's' is the assumed binary structure. 
# Total sum of surrounding zeroes is therefore sum(5+4+6+4+5) == 24

如果我的值的结构不同，我如何以这种方式计算零的数量？我以某种方式相信必须使用 SciPy 的binary_dilation函数，它能够扩大值结构，但简单的重叠计数不能让我得到正确的总和，或者是吗？

print ndimage.binary_dilation(a,s).astype(a.dtype)
[[0 0 0 0 0 0]
 [0 1 1 1 1 1]
 [0 1 1 1 1 1]
 [0 1 1 1 1 1]
 [0 1 1 1 1 0]
 [0 0 0 0 0 0]]
4

2 回答 2

7

使用卷积计算邻居：

import numpy
import scipy.signal

a = numpy.zeros((6,6), dtype=numpy.int) # Example array
a[2:4, 2:4] = 1;a[2,4] = 1 # with example value structure

b = 1-a
c = scipy.signal.convolve2d(b, numpy.ones((3,3)), mode='same')

print numpy.sum(c * a)

b = 1-a允许我们计算每个零而忽略零。

我们使用一个 3x3 的全 1 内核进行卷积，它将每个元素设置为它及其 8 个相邻值的总和（其他内核也是可能的，例如+仅用于正交相邻值的内核）。使用这些求和值，我们屏蔽了原始输入中的零（因为我们不关心它们的邻居），并对整个数组求和。

于 2012-09-27T03:09:20.937 回答
1

我想你已经明白了。膨胀后，1 的数量是 19，减去 5 的起始形状，你有 14。这是围绕你的形状的零的数量。您总共有 24 个重叠。

于 2012-09-27T02:21:55.880 回答