2D numpy 数组 - 检查所有相邻项是否相等

Question

我从一个 nxm 布尔数组开始，它定义了区域——如果它在区域中，则为 true，否则为 false。例如：

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

区域之间的线可以定义为一个 n-1 x m-1 数组，它表示每组四个值之间的一个“点”。如果所有 4 个周围值都相同，则您不在区域之间的边缘。如果 4 个值中的任何一个值不同，那么您就是。对于上面的 r：

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

有什么想法可以有效地做到这一点吗？我试过在两个方向上做一个差异，但这会加倍。有 2D 差异功能吗？还有其他方法吗？

Answer 1

已经选择了一个好的答案，但我喜欢易于编写和理解的解决方案，所以我仍然会发布这个：

from scipy.signal import convolve2d
kernel = np.array(((1, 1), (1, 1)))

x = convolve2d(r, kernel, mode="valid")   # sum all the neighboring values (and mode handles the boundary issues)
x[x==4] = 0                               # set the elements that sum to 4 to zero (the ones that sum to 0 are already 0)
x[x>0] = 1                                # anything greater than one is set to 1

[[1 1 1 1]
 [1 0 1 1]
 [1 0 1 1]
 [0 1 1 0]]

Answer 2

这将对True包围的点进行测试，

tmp = r[1:] & r[:-1]
l = np.logical_not(tmp[:, 1:] & tmp[:, :-1])

然后你可以用同样的方法对False包围的点进行测试，并把它们组合起来，

r = np.logical_not(r)
tmp = r[1:] & r[:-1]
l &= np.logical_not(tmp[:, 1:] & tmp[:, :-1])

print l.astype(int)
# [[1 1 1 1]
#  [1 0 1 1]
#  [1 0 1 1]
#  [0 1 1 0]]