Numpy 获取数组的索引，其中4个或4个以上的相邻元素为1

我想获得数组（数据）的索引，其中4个或4个以上的相邻元素为1：

import numpy as np    

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

你会怎么做

预期的答案是：

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

---

我已将不需要的像素转换为0。

这里有一个使用

numpy.ndimage

的解决方案。它计算阵列中相邻区域（of

1.0

s）的大小，然后用相应区域的大小替换阵列中的每个像素。然后，可以使用该设置将图像中不属于大小至少为4的区域的所有像素设置为零

import scipy.ndimage.measurements as m

labels,nlabels = label(data) 
sizes = np.hstack((0,m.sum(data, labels, range(1,nlabels+1)))) 
data[sizes[labels] < 4] = 0.0

将scipy.ndimage.measurements导入为m
标签，nlabels=标签（数据）
大小=np.hstack（（0，m.sum（数据，标签，范围（1，nlabels+1）））
数据[大小[标签]<4]=0.0

这里有一个使用

numpy.ndimage

的解决方案。它计算阵列中相邻区域（of

1.0

s）的大小，然后用相应区域的大小替换阵列中的每个像素。然后，可以使用该设置将图像中不属于大小至少为4的区域的所有像素设置为零

import scipy.ndimage.measurements as m

labels,nlabels = label(data) 
sizes = np.hstack((0,m.sum(data, labels, range(1,nlabels+1)))) 
data[sizes[labels] < 4] = 0.0

将scipy.ndimage.measurements导入为m
标签，nlabels=标签（数据）
大小=np.hstack（（0，m.sum（数据，标签，范围（1，nlabels+1）））
数据[大小[标签]<4]=0.0

这是略读版。稍长一点，但可能更明确一些：

from __future__ import print_function
import numpy as np
from skimage.measure import label, regionprops

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

labels = label(data, background=0, neighbors=4)
regions = regionprops(labels)
out = np.zeros_like(data)

for r in regions:
    if r.area >= 4:
        rows, cols = r.coords.T
        out[rows, cols] = 1

print(out)

---

这是略读版。稍长一点，但可能更明确一些：

from __future__ import print_function
import numpy as np
from skimage.measure import label, regionprops

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

labels = label(data, background=0, neighbors=4)
regions = regionprops(labels)
out = np.zeros_like(data)

for r in regions:
    if r.area >= 4:
        rows, cols = r.coords.T
        out[rows, cols] = 1

print(out)

---

您的示例的预期输出是什么？邻接可以是任何方向，例如垂直、对角线、T形吗？是的，它们可以是任何方向。我编辑了我的问题以显示预期的答案。您的示例的预期输出是什么？邻接可以在任何方向上，例如垂直、对角、T形吗？是的，它们可以在任何方向上。我已经编辑了我的问题，以显示预期的答案。此外，最好避免for循环是不？不确定如何避免此处的for循环。并且4个相邻的元素可以是任何形状。另外，最好避免for循环不是吗？不确定如何避免这里的for循环。“四个相邻的元素可以是任意形状的。@西门，最后一个问题已经回答了。@OliverW。”。我知道你提供的链接，因为他们已经被SF链接到这个问题。然而，我正在寻找使用numpy ans scipy解决问题的方法，主要是scipy过滤器等等。@simen，最后一个问题得到了回答。@OliverW。我知道你提供的链接，因为他们已经被SF链接到这个问题。但是，我希望使用numpy和scipy解决这个问题，主要是scipy过滤器等等。