在匹配特定条件的numpy数组中查找所有坐标对的最pythonic方法是什么？

Question

所以给定一个由 1 和 0 组成的 2d numpy 数组，我想找到每个索引，其中它的值是 1 和，其顶部、左侧、右侧或底部由一个零。例如在这个数组中

0 0 0 0 0   
0 0 1 0 0   
0 1 1 1 0  
0 0 1 0 0  
0 0 0 0 0  

我只想要 (1,2)、(2,1)、(2,3) 和 (3,2) 的坐标，而不是 (2,2) 的坐标。

我创建了可以工作的代码并创建了两个坐标列表，类似于 numpy 非零方法，但是我不认为它非常“pythonic”，我希望有一种更好、更有效的方法来解决这个问题. （*注意这仅适用于用零填充的数组）

from numpy import nonzero
...
array= ... # A numpy array consistent of zeros and ones
non_zeros_pairs=nonzero(array)
coordinate_pairs=[[],[]]
for x, y in zip(temp[0],temp[1]):
    if array[x][y+1]==0 or array[x][y-1]==0 or array[x+1][y]==0 or array[x-1][y]==0:
             coordinate_pairs[0].append(x)
             coordinate_pairs[1].append(y)
...

如果 numpy 中存在可以为我处理这个问题的方法，那就太棒了。如果这个问题之前已经在stackoverflow上被问过/回答过，我很乐意删除这个，我只是很难找到任何东西。谢谢。

Answer 1

设置

import scipy.signal
import numpy as np

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

---

创建一个与每个值的四个方向匹配的窗口，以及convolve。然后，您可以检查元素是否为1，以及它们的卷积是否小于4，因为值==4意味着该值被1s包围

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

m = scipy.signal.convolve2d(a, window, mode='same', fillvalue=1)

v = np.where(a & (m < 4))

list(zip(*v))

[(1, 2), (2, 1), (2, 3), (3, 2)]