计算一个numpy数组中相等的相邻单元格的数量

Question

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

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 个连接单元。

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接壤的频率（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）。

之前的 approach 用于计算外边界返回错误值 (5)。

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

所以对于上面的测试数组，正确的总结果应该是 6（上面的补丁有两个内部边界，下面有四个）。

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）

• 详细解释了所需的社区

Answer 1

如果是 8 个连通的邻域，我认为结果是 8。代码如下：

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

这里是 4-connected 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()