比较矩阵中相邻单元格的更好方法[重复]

Question

可能重复：
Numpy/Python: Array iteration without for-loop

假设我有一个大小为 100x100 的矩阵，我想将每个像素与其直接邻居（左、上、右、下）进行比较，然后对当前矩阵或相同大小的新矩阵进行一些操作。 Python/Numpy 中的示例代码如下所示： （比较>0.5没有意义，我只是想在比较邻居时给出一些操作的工作示例）

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

如果我想进入一个相邻的单元格并从它开始与它的邻居进行比较，这可能会变得非常讨厌......您有什么建议可以如何以更有效的方式完成吗？这甚至可能吗？

Answer 1

我不能 100% 确定您的代码目标是什么，忽略边界处的索引问题相当于

new_matrix = my_matrix > 0.5

但您可以通过形态学运算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

Answer 2

避免“变得讨厌”的方法是：将邻居检查代码封装在一个函数中。然后你可以在必要时用邻居的坐标调用它。

如果您需要跟踪检查过哪些配对，以免保留相同的配对，请在此基础上使用某种记忆。