如何选择numpy 2d数组中唯一元素的所有位置，周围有边界框？

Question

我有一个 2D numpy 数组，我想找到所有唯一元素的“每个”位置。我们可以使用numpy.unique(numpyarray.) 找到独特的元素。棘手的部分来了。现在我必须知道每个独特元素的所有位置。让我们考虑以下示例。

array([[1, 1, 2, 2],\
       [1, 1, 2, 2],\
       [3, 3, 4, 4],\
       [3, 3, 4, 4]])

结果应该是

1, (0,0),(1,1)
2, (0,2),(1,2)
3, (2,0),(3,1)
4, (2,2),(3,3)

如何做以及什么是存储和迭代值的合适方法。

请注意，所有唯一值将彼此相邻。它们之间唯一的差距只能是零。让我们考虑另一种变体

 array([[1, 0, 1, 2, 2],\
        [1, 0, 1, 2, 2],\
        [3, 0, 3, 4, 4],\
        [3, 0, 3, 4, 4]])

结果应该是

1, (0,0),(1,2)
2, (0,3),(1,4)
3, (2,0),(3,2)
4, (2,3),(3,4)

边界上的 zeoros 将被忽略。

非常感谢

Answer 1

简单而暴力的方法就是使用numpy.where。

例如，如果您只想要边界框：

import numpy as np

x = np.array([[1,1,2,2],
              [1,1,2,2],
              [3,3,4,4],
              [3,3,4,4]])

for val in np.unique(x):
    rows, cols = np.where(x == val)
    rowstart, rowstop = np.min(rows), np.max(rows)
    colstart, colstop = np.min(cols), np.max(cols)
    print val, (rowstart, colstart), (rowstop, colstop) 

这也适用于带有零的示例。

如果数组很大，并且您已经有scipy，您可以考虑使用scipy.ndimage.find_objects，正如@unutbu 建议的那样。

在您的示例的特定情况下，您的唯一值是连续整数，您可以直接使用find_objects。它需要一个数组，其中每个非 0 的连续整数代表一个需要返回其边界框的对象。 （完全按照您的意愿忽略 0。）但是，通常，您需要进行一些预处理以将任意唯一值转换为连续整数。

find_objects 返回slice 对象的元组列表。老实说，如果您想要边界框，这些可能正是您想要的。但是，打印出开始和停止标记看起来会有点混乱。

import numpy as np
import scipy.ndimage as ndimage

x = np.array([[1, 0, 1, 2, 2],
              [1, 0, 1, 2, 2],
              [3, 0, 3, 4, 4],
              [3, 0, 3, 4, 4]])

for i, item in enumerate(ndimage.find_objects(x), start=1):
    print i, item

这看起来与您预期的略有不同。这些是slice 对象，因此“max”值将始终比前面示例中的“max”值高一个。这样您就可以简单地使用给定的元组进行切片以获取相关数据。

例如

for i, item in enumerate(ndimage.find_objects(x), start=1):
    print i, ':'
    print x[item], '\n'

如果您真的想要开始和停止，只需执行以下操作：

    for i, (rowslice, colslice) in enumerate(ndimage.find_objects(x), start=1):
        print i, 
        print (rowslice.start, rowslice.stop - 1),
        print (colslice.start, colslice.stop - 1)

如果您的唯一值不是连续整数，您需要进行一些预处理，正如我之前提到的。你可以这样做：

import numpy as np
import scipy.ndimage as ndimage

x = np.array([[1.1, 0.0, 1.1, 0.9, 0.9],
              [1.1, 0.0, 1.1, 0.9, 0.9],
              [3.3, 0.0, 3.3, 4.4, 4.4],
              [3.3, 0.0, 3.3, 4.4, 4.4]])
ignored_val = 0.0
labels = np.zeros(data.shape, dtype=np.int)

i = 1
for val in np.unique(x):
    if val != ignored_val:
        labels[x == val] = i
        i += 1

# Now we can use the "labels" array as input to find_objects
for i, item in enumerate(ndimage.find_objects(labels), start=1):
    print i, ':'
    print x[item], '\n'