Python 如何在矩阵中找到所有相邻值对？

对于表示为矩阵的图像，什么是查找3x3正方形内接触的所有唯一元素对的有效方法

Let A=
    1 1 2 2 3 3 3
    1 1 1 1 2 4 4
    1 1 2 2 5 5 5

然后我们会回来

(1,2),(1,3),(1,5),(2,3),(2,4),(2,5),(3,4),(4,5)

您可以使用来实现这一点。下面是示例代码：

a = [[1, 1, 2, 2, 3, 3, 3,],
     [1, 1, 1, 1, 2, 4, 4,],
     [1, 1, 2, 2, 5, 5, 5,],
    ]

# Extract boundry values to list
boundary_vals = a[0] + a[-1] + [sub_list[0] for sub_list in a[1:-1]] + [sub_list[-1] for sub_list in a[1:-1]]

# Unique set of values
unique_vals = set(boundary_vals)

# Calculate combinations
from itertools import combinations
my_values = list(combinations(unique_vals, 2))

这里，

my_values

是

元组的
列表，其值为：

[(1, 2), (1, 3), (1, 4), (1, 5), 
 (2, 3), (2, 4), (2, 5), 
 (3, 4), (3, 5), 
 (4, 5)]

说明：

用于计算边界值：

# 1st list
>>> a[0]
[1, 1, 2, 2, 3, 3, 3]

# Last list
>>> a[-1]
[1, 1, 2, 2, 5, 5, 5]

# all the 0th elements of sub-lists excluding 1st and last list
>>> [sub_list[0] for sub_list in a[1:-1]]
[1]

# all the last elements of sub-lists excluding 1st and last list
>>> [sub_list[-1] for sub_list in a[1:-1]]
[4]

添加上述所有列表，将给出边界元素。
以下是一些部分硬编码的易于理解的方法


编辑：由于预处理，版本更快
编辑2:最后一次加速（预处理中的对称性降低）
编辑3:正常；在预处理中又增加了一个对称性缩减步骤

方法

通过浏览获取块视图
对邻域逻辑预处理一次：

创建所有索引的列表，以便在给定窗口中查找对（已连接）
使用了一些对称约化

迭代所有块；抓取配对

如果某个对称约束为真，则添加


代码
用于表示为图像的图像
hmm。。。在你的情况下，
touch
（正式）意味着什么？我的错误；'“触摸”表示它位于该元素每个外观周围的3x3正方形内。这些
（1,4）
和
（3,5）
看起来不正确，或者它们（至少在非包裹场景中）看起来不正确？
import numpy as np
from skimage.util.shape import view_as_blocks, view_as_windows

img = np.array([[1,1,2,2,3,3,3],
                [1,1,1,1,2,4,4],
                [1,1,2,2,5,5,5]])
#img = np.random.random_integers(1, 10, size=(256,256))

WINDOW_SIZE = 3
img_windowed = view_as_windows(img, window_shape=(WINDOW_SIZE,WINDOW_SIZE))  # overlapping

# Preprocessing: generate valid index_pairs
index_pairs = []
for x in range(WINDOW_SIZE):
    for y in range(WINDOW_SIZE):
        if y>=x:  # remove symmetries
            if x>0:
                index_pairs.append(((x,y), (x-1,y)))
            if x<2:
                index_pairs.append(((x,y), (x+1,y)))
            if y>0:
                index_pairs.append(((x,y), (x,y-1)))
            if y<2:
                index_pairs.append(((x,y), (x,y+1)))
            if x>0 and y>0:
                index_pairs.append(((x,y), (x-1,y-1)))
            if x<2 and y<2:
                index_pairs.append(((x,y), (x+1,y+1)))
            if x>0 and y<2:
                index_pairs.append(((x,y), (x-1,y+1)))
            if x<2 and y>0:
                index_pairs.append(((x,y), (x+1,y-1)))

index_pairs = list(filter(lambda x: x[0] < x[1], index_pairs))  # remove symmetries

pairs = []
def reason_pair(a,b):  # remove symmetries
    if a<b:
        pairs.append((a,b))
    elif a>b:
        pairs.append((b,a))

for a in range(img_windowed.shape[0]):
    for b in range(img_windowed.shape[1]):
        block = img_windowed[a,b]
        for i in index_pairs:
            reason_pair(block[i[0]], block[i[1]])

print(set(pairs))

set([(1, 2), (1, 3), (4, 5), (1, 5), (2, 3), (2, 5), (3, 4), (2, 4)])