Python 过滤二维阵列并从中间位置返回坐标

我有一个二维零数组，在（1,6）和（2,7）处有一些正整数：

我想通过自定义内核过滤数组：

[[1 0 1]
 [0 1 0]
 [0 1 0]]

我想用这个内核过滤数组，当这个内核中的2或3个数乘以一个正整数时，我想让它返回乘以0的那些数的坐标

我从图像分析中知道，用内核对2D数组进行卷积很容易，但不会产生中间结果。在上面的2D数组中，它将返回（1,8）和（3,7）

是否有一些包函数可以让这个过程变得简单和容易，或者我必须自己实现它？

---

与往常一样，我们非常感谢您提供的所有帮助

这是it的一个简单实现。您可以通过修改它来提高性能

这里，

num\u ones

是您要筛选的内核中的较低和较高的位数，指的是当此内核中的2或3个位数乘以正整数时的

更新：关于einsum：

我推荐这篇关于einsum的帖子，以了解：

子矩阵

是一个四维数组

子_矩阵[k，l，：，：]

是从

[k，l]

位置和内核形状开始的

a

的子矩阵。（后来我们将它的所有非零值都更改为1，以达到我们的目的）

---

m=np.einsum（'ij，klij->kl'，核，子êu矩阵）

将

kernel

的二维

i

和

j

乘以

子êu矩阵的最后二维
i
和
j
数组（换言之，它按元素将核相乘到子矩阵
子êcode>矩阵[k，l，：，：]
）并将所有元素相加为
m[k，l]
。这被称为
内核
到
a
的二维卷积
 如果我面对这样的事情，我可能会亲自实施；但是现在看看这个问题，感觉一定有什么东西可以帮助你。我认为这是一个好问题的迹象：）非常感谢你，这非常有效！请您解释一下np.einsum函数在给定字符串参数“ij，klig->kl”的情况下是如何工作的好吗？@kynnem不客气。我也会补充更多的解释。如果答案能解决问题，请接受它，这样其他人也会发现它很有用。谢谢。@kynnem我在这篇文章中添加了更多的解释，以及一个链接，可以让你更详细地了解它，以防你感兴趣。谢谢你的进一步解释。我知道我还有很多东西要学，但像你这样的答案和解释会产生巨大的不同
[[1 0 1]
 [0 1 0]
 [0 1 0]]

a = np.array([[0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.],
 [0.,0.,0.,0.,0.,0.,2.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.],
 [0.,0.,0.,0.,0.,0.,0.,2.,0.,0.,0.,0.,0.,0.,0.,0.,0.],
 [0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.,0.]])

kernel = np.array([[1.,0.,1.],\
 [0.,1.,0.],\
 [0.,1.,0.]])

sub_shape = kernel.shape
#throshold of number of kernel ones to have non-zero value
num_ones = [2,3]

#divide the matrix into sub_matrices of kernel size
view_shape = tuple(np.subtract(a.shape, sub_shape) + 1) + sub_shape
strides = a.strides + a.strides
sub_matrices = np.lib.stride_tricks.as_strided(a,view_shape,strides)
#convert non_zero elements to 1 (dummy representation)
sub_matrices[sub_matrices>0.] = 1.

#Do convolution
m = np.einsum('ij,klij->kl',kernel,sub_matrices)

#find sub_matrices that satisfy non-zero elements' condition
filt = np.argwhere(np.logical_and(m>=num_ones[0], m<=num_ones[1]))
#for each sub_matix find the zero elements located in non-zero elements of kernel
output = []
for [i,j] in filt:
  output.append(np.argwhere((sub_matrices[i,j,:,:]==0)*kernel) + [i, j])

output =
[[1 8]
 [3 7]]