0

我正在处理一系列numpy.ndarray由 0.0 到 1.0 的 101x101 值。所有数组如下所示：

array([[ 0.216,  0.24 ,  0.244, ...,  0.679,  0.684,  0.707],
       [ 0.23 ,  0.229,  0.238, ...,  0.675,  0.676,  0.695],
       [ 0.221,  0.238,  0.24 , ...,  0.669,  0.677,  0.684],
       ..., 
       [ 0.937,  0.925,  0.923, ...,  0.768,  0.754,  0.752],
       [ 0.937,  0.929,  0.923, ...,  0.737,  0.735,  0.741],
       [ 0.934,  0.932,  0.929, ...,  0.72 ,  0.717,  0.728]])

现在，假设我有一个threshold value=0.2：我如何定位矩阵中的值的“区域”，从而在它们中超出阈值？在这种情况下，我会寻找值为>=0.2.

特别是，我想：

  1. 计算超过的区域数threshold value；
  2. 确定他们的centers of mass.

我知道我可以通过以下方式计算后者：ndimage.measurements.center_of_mass()，但我看不到它如何仅应用于矩阵的“区域”而不是整个事物。

编辑

请考虑我所指的“区域”具有不规则的形状。

4

1 回答 1

0

thr = 0.2可以通过以下方式计算所有高于阈值的值：

a = np.random.random(size=(100, 100))
above_thr = len(a[a > thr])
print above_thr

对于质心，这实际上取决于您是否要丢弃所有低于阈值的值，类似于

a[a < thr] = 0
ndimage.measurements.center_of_mass(a)

如果您将低于阈值的值视为缺失值，您可能需要先插入该缺失值。

于 2015-11-18T13:41:01.407 回答