使用Python的2d数组(图像)中的像素邻居
computer-vision
numpy
python
scipy
5
0

我有一个像这样的numpy数组:

x = np.array([[1,2,3],[4,5,6],[7,8,9]])

我需要创建一个函数,并使用以下输入参数将其称为“邻居”:

  • x:numpy 2d数组
  • (i,j):2d数组中元素的索引
  • d:邻域半径

作为输出,我想获得给定距离d的像元i,j的邻居。所以如果我跑步

neighbors(im, i, j, d=1) with i = 1 and j = 1 (element value = 5) 

我应该获得以下值的索引: [1,2,3,4,6,7,8,9] 。我希望我说清楚。是否有像scipy这样的库来处理这个问题?

我已经做了一些工作,但这是一个粗略的解决方案。

def pixel_neighbours(self, p):

    rows, cols = self.im.shape

    i, j = p[0], p[1]

    rmin = i - 1 if i - 1 >= 0 else 0
    rmax = i + 1 if i + 1 < rows else i

    cmin = j - 1 if j - 1 >= 0 else 0
    cmax = j + 1 if j + 1 < cols else j

    neighbours = []

    for x in xrange(rmin, rmax + 1):
        for y in xrange(cmin, cmax + 1):
            neighbours.append([x, y])
    neighbours.remove([p[0], p[1]])

    return neighbours

我该如何改善?

参考资料:
Stack Overflow
收藏
评论
共 5 个回答
高赞 时间 活跃

我不知道与此有关的任何库函数,但是您可以使用numpy的强大切片功能轻松地自己编写如下代码:

import numpy as np
def neighbors(im, i, j, d=1):
    n = im[i-d:i+d+1, j-d:j+d+1].flatten()
    # remove the element (i,j)
    n = np.hstack((b[:len(b)//2],b[len(b)//2+1:] ))
    return n

当然,您应该进行一些范围检查,以避免越界访问。

收藏
评论

看看scipy.ndimage.generic_filter

举个例子:

import numpy as np
import scipy.ndimage as ndimage

def test_func(values):
    print values
    return values.sum()


x = np.array([[1,2,3],[4,5,6],[7,8,9]])

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

results = ndimage.generic_filter(x, test_func, footprint=footprint)

默认情况下,它将“反映”边界上的值。您可以使用mode关键字参数来控制它。

但是,如果您想做这样的事情,则很有可能将您的问题表达为某种形式的卷积。如果是这样,将其分解为卷积步骤并使用更多优化的函数(例如,大部分scipy.ndimage )将scipy.ndimage

收藏
评论

我同意Joe Kingtons的回应,只是增加了足迹

import numpy as np
from scipy.ndimage import generate_binary_structure
from scipy.ndimage import iterate_structure
foot = np.array(generate_binary_structure(2, 1),dtype=int)

或用于更大/不同的脚印。

np.array(iterate_structure(foot , 2),dtype=int)
收藏
评论

编辑 :啊,废话,我的答案只是写im[id:i+d+1, jd:j+d+1].flatten()但以一种im[id:i+d+1, jd:j+d+1].flatten()理解的方式写:)


好的旧滑动窗口技巧可能会在这里有所帮助:

import numpy as np
from numpy.lib.stride_tricks import as_strided

def sliding_window(arr, window_size):
    """ Construct a sliding window view of the array"""
    arr = np.asarray(arr)
    window_size = int(window_size)
    if arr.ndim != 2:
        raise ValueError("need 2-D input")
    if not (window_size > 0):
        raise ValueError("need a positive window size")
    shape = (arr.shape[0] - window_size + 1,
             arr.shape[1] - window_size + 1,
             window_size, window_size)
    if shape[0] <= 0:
        shape = (1, shape[1], arr.shape[0], shape[3])
    if shape[1] <= 0:
        shape = (shape[0], 1, shape[2], arr.shape[1])
    strides = (arr.shape[1]*arr.itemsize, arr.itemsize,
               arr.shape[1]*arr.itemsize, arr.itemsize)
    return as_strided(arr, shape=shape, strides=strides)

def cell_neighbors(arr, i, j, d):
    """Return d-th neighbors of cell (i, j)"""
    w = sliding_window(arr, 2*d+1)

    ix = np.clip(i - d, 0, w.shape[0]-1)
    jx = np.clip(j - d, 0, w.shape[1]-1)

    i0 = max(0, i - d - ix)
    j0 = max(0, j - d - jx)
    i1 = w.shape[2] - max(0, d - i + ix)
    j1 = w.shape[3] - max(0, d - j + jx)

    return w[ix, jx][i0:i1,j0:j1].ravel()

x = np.arange(8*8).reshape(8, 8)
print x

for d in [1, 2]:
    for p in [(0,0), (0,1), (6,6), (8,8)]:
        print "-- d=%d, %r" % (d, p)
        print cell_neighbors(x, p[0], p[1], d=d)

这里没有进行任何计时,但是此版本可能具有合理的性能。

有关更多信息,请用短语“ rolling window numpy”或“ sliding window numpy”搜索网络。

收藏
评论

通过使用maxmin ,您可以处理上下边界的像素:

im[max(i-1,0):min(i+2,i_end), max(j-1,0):min(j+2,j_end)].flatten()
收藏
评论
新手导航
  • 社区规范
  • 提出问题
  • 进行投票
  • 个人资料
  • 优化问题
  • 回答问题

关于我们

常见问题

内容许可

联系我们

@2020 AskGo
京ICP备20001863号