最好在相邻细胞基质比较方式

可能重复：
Numpy/Python: Array iteration without for-loop 最好在相邻细胞基质比较方式

假设我有大小100×100的矩阵，我想每个像素比较其直接邻居（左，上，右，下），然后对当前矩阵或相同大小的新矩阵进行一些操作。在Python/numpy的一个示例代码可能看起来像以下：（比较> 0.5是没有意义的，我只是想给一个工作例如对于一些操作，同时比较邻居）

import numpy as np 
my_matrix = np.random.rand(100,100) 
new_matrix = np.array((100,100)) 
my_range = np.arange(1,99) 
for i in my_range: 
    for j in my_range: 

     if my_matrix[i,j+1] > 0.5: 
      new_matrix[i,j+1] = 1 

     if my_matrix[i,j-1] > 0.5: 
      new_matrix[i,j-1] = 1 

     if my_matrix[i+1,j] > 0.5: 
      new_matrix[i+1,j] = 1 

     if my_matrix[i-1,j] > 0.5: 
      new_matrix[i-1,j] = 1 

     if my_matrix[i+1,j+1] > 0.5: 
      new_matrix[i+1,j+1] = 1 

     if my_matrix[i+1,j-1] > 0.5: 
      new_matrix[i+1,j-1] = 1 

     if my_matrix[i-1,j+1] > 0.5: 
      new_matrix[i-1,j+1] = 1

这可以得到真的很讨厌，如果我想步入一个邻近的小区，并从它开始比较它的邻居......你有什么建议如何以更有效的方式做到这一点？这甚至有可能吗？

来源

2012-12-13 HyperCube

http://stackoverflow.com/questions/13805286/numpy-python-array-iteration-without-for-loop/13805310 – YXD

也许你应该澄清你想要的东西......只是想着，它看起来像你想要知道具有值1的哪个像素被8个像素包围，全部具有1。是这样吗？ – deinonychusaur

我不是100％肯定，你的目标是什么与你的代码，这在边界忽略索引问题等同于

new_matrix = my_matrix > 0.5

，但你可以用形态学操作快速完成这些计算的高级版本：

import numpy as np 
from scipy.ndimage import morphology 

a = np.random.rand(5,5) 
b = a > 0.5 

element = np.array([[0, 1, 0], [1, 1, 1], [0, 1, 0]]) 
result = morphology.binary_dilation(b, element) * 1

来源

2012-12-13 10:32:09 YXD

谢谢，我会研究形态学操作（以前从未听说过）。正如我在更新的帖子中写道> 0.5应该只对某些操作的例子... – HyperCube

维基百科的文章和这个网站：http://homepages.inf.ed.ac.uk/rbf/HIPR2/dilate.htm是一个开始的好地方。页面底部的“练习1”显示了我的示例中的结构元素。 – YXD

我想我知道了，但是，它并没有帮助我解决第二个问题。如果邻居满足特定的条件，我想从该邻居重新与过程开始...这意味着这个特定邻居的邻居应检查... – HyperCube

，以防止这种“越来越讨厌”的方法是：封装邻居检查代码的功能。然后，您可以在必要时使用邻居的坐标进行调用。

如果您需要跟踪哪些对您检查，这样你就不会保持同样的，使用某种记忆化的最重要的是。

来源

2012-12-13 13:40:29 alexis

什么用downvote的？ OP特别关注连锁支票。如果有人不认为这个答案是相关的，我想知道为什么。（关于如何捆绑支票已经有了一个很好的答案，OP正是因为这个原因而发现不足）。 – alexis

我也认为你的解决方案是合适的。我想将不得不写两个解决方案的组合，使其更好地工作.. – HyperCube

最好在相邻细胞基质比较方式

回答

相关问题