Python 提取二维二进制数组的索引

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]])

我想提取索引，其中“1”被由1组成的相邻5*5个元素包围

预期指数用星号表示，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]]

我试着

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“真实”的位置，但我只想要一个（3,3）

怎么做

---

编辑：链接问题中显示的解决方案也给出了意外的答案。

除了

二进制

，您还可以使用

scipy.ndimage.generic_过滤器

来实现这一点

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

但是，您将获得与上述相同的结果

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

因为这是你问题的正确答案。示例矩阵中的6行是对称的，对于给定的内核，结果中将有2个对称

True

元素

---

如果要避免这种情况，可以使用非对称的内核大小：

size=（6,5）

，尽管这会在第3行而不是第2行生成一个true元素。这是可以修复的，当使用

binary\u

时，手动用零填充

内核

数组

另一种类似于@rth的方法

由于您的数据由

1

和

0

组成，因此您可以将其放入

int

数组中，并使用a来实现相同的功能：

>>> 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1的平均值小于

1

，并四舍五入到

0

，因为它是一个整数数组

要获取第一个索引，可以执行以下操作：

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

---

谢谢你的解释和回答。不可能从左上角位置仅读取5列5行的数据；然后，如果所有元素都是1，则提取它的中间索引，依此类推。

scipy.ndimage

使用像素，而它根本没有“中间像素或中间索引”的概念。当然，也可以这样做，例如，通过使用

ndimage.zoom

执行

binary\u

并返回到初始分辨率来提高分辨率。仍然是因为，原始阵列是上下对称的，所以必须以某种方式打破这种对称性才能获得1个像素。标记为

True

的第二个元素也被一个5x5的

1

s框包围。。。你为什么不喜欢呢？@6502是因为从第一个真的已经占据的位置数1。我想避免重复@Divakar可能的重复不，我在提问之前看到了这个问题，但问题中显示的解决方案也给出了出乎意料的答案，正如我在问题中所坚持的那样。