1

我有numpy arrays不同大小的二维二进制文件，其中包含某些模式。像这样：

import numpy
a = numpy.zeros((6,6), dtype=numpy.int)
a[1,2] = a[1,3] = 1
a[4,4] = a[5,4] = a[4,3] = 1

这里的“图像”包含两个补丁，一个有 2 个，一个有 3 个连接的单元格。

print a
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 1, 0],
       [0, 0, 0, 0, 1, 0]])


我想知道一个非零单元格与另一个非零单元格相邻的频率（邻居定义为 rook 的情况，因此每个单元格左侧、右侧、下方和上方的单元格）包括它们的伪复制（反之亦然） .

先前的内边界方法返回错误值 (5)，因为它旨在计算外边界。

numpy.abs(numpy.diff(a, axis=1)).sum()

所以对于上面的测试数组，正确的总结果是6（上面的补丁有两个内部边界，下面的四个）。

感谢任何提示！

编辑：

  • 错误：下层明显有4条内边（相邻单元格值相同）

  • 更多地解释了所需的社区

4

1 回答 1

3

我认为如果它是 8 个连接的邻域，结果是 8。这是代码：

import numpy
a = numpy.zeros((6,6), dtype=numpy.int)
a[1,2] = a[1,3] = 1
a[4,4] = a[5,4] = a[4,3] = 1

from scipy.ndimage import convolve

kernel = np.ones((3, 3))
kernel[1, 1] = 0
b = convolve(a, kernel, mode="constant")
b[a != 0].sum()

但你说的是车的情况。

编辑

这是 4 连接邻域的代码：

import numpy as np
a = np.zeros((6,6), dtype=np.int)
a[1,2] = a[1,3] = 1
a[4,4] = a[5,4] = a[4,3] = 1

from scipy import ndimage
kernel = ndimage.generate_binary_structure(2, 1)
kernel[1, 1] = 0

b = convolve(a, kernel, mode="constant")
b[a != 0].sum()
于 2016-04-01T23:59:43.207 回答