提取二维二进制数组的索引

Question

我有一个由 0 和 1 组成的 numpy 数组（数据）。

import numpy as np

data = np.array([[1, 1, 1, 1, 1, 1],
                 [1, 1, 1, 1, 1, 0],
                 [1, 1, **1**, 1, 1, 0],
                 [1, 1, 1, 1, 1, 1],
                 [1, 1, 1, 1, 1, 0],
                 [1, 1, 1, 1, 1, 1]])

我想提取“1”被相邻的由 1 组成的 5*5 元素包围的索引。

预期的索引用星号表示，即 (3,3)。 布尔数组形式的答案也可以。

[[False False False False False False]
 [False False False False False False]
 [False False **True** False False False]
 [False False False False False False]
 [False False False False False False]
 [False False False False False False]]

我试过了

from scipy.ndimage.morphology import binary_erosion


kernel = np.ones((5,5))

result = binary_erosion(data, kernel)
print result

[[False False False False False False]
 [False False False False False False]
 [False False  True False False False]
 [False False  True False False False]
 [False False False False False False]
 [False False False False False False]]

它产生了两个“真”位置，但我只想要一个在 (3,3)。

怎么做？

编辑：链接问题中显示的解决方案也给出了意想不到的答案。

Answer 1

另一种类似于@rth 的方法

由于您的数据由1 和0 组成，您可以将其放入int 数组中并使用uniform_filter 来实现相同的目的：

>>> mask = uniform_filter(data, 5, mode='constant')
>>> mask
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0],
       [0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])

未被1包围的均值小于1，并四舍五入为0，因为它是一个整数数组。

要获得第一个索引，您可以执行以下操作：

>>> y, x = np.where(mask)
>>> y[0], x[0]
(2, 2)

Answer 2

除了binary_erosion，您可以使用scipy.ndimage.generic_filter 来实现此目的，

from scipy.ndimage import generic_filter
generic_filter(data, np.all, size=(5,5), mode='constant', cval=0).astype(np.bool)

但是你会得到与上面相同的结果，

array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 1, 0, 0, 0],
       [0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])  # using 1, 0 instead of True, False for readability

因为它是您问题的正确答案。示例矩阵中的 6 行是对称的，使用给定的内核，结果中将有 2 个对称的 True 元素。

如果您想避免这种情况，您可以使用非对称内核大小：size=(6,5)，尽管这会在第 3 行而不是第 2 行中产生一个真正的元素。这可以通过手动填充 kernel 数组来解决使用binary_erosion 时为零。