Python 是否有一个“问题”；“边界框”；函数（具有非零值的切片）用于以NumPy为单位的数据数组？

我正在处理通过numpy.array（）创建的数组，我需要在画布上绘制点来模拟图像。因为在包含有意义数据的数组的中心部分有很多零值，所以我想“修剪”数组，删除只包含零的列和只包含零的行

因此，我想知道一些本机numpy函数，甚至是一段代码片段，用于“修剪”或找到一个“边界框”，仅对包含数组一部分的数据进行切片

（因为这是一个概念性的问题，我没有写任何代码，如果我应该写的话，很抱歉，我很新鲜，可以在SO发帖。）

感谢您阅读以下内容：

empty_cols = sp.all(array == 0, axis=0)
empty_rows = sp.all(array == 0, axis=1)

生成的数组将是一维布尔数组。从两端对其进行循环以找到“边界框”。

这应该可以做到：

from numpy import array, argwhere

A = array([[0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0],
           [0, 0, 1, 0, 0, 0, 0],
           [0, 0, 1, 1, 0, 0, 0],
           [0, 0, 0, 0, 1, 0, 0],
           [0, 0, 0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0, 0, 0]])

B = argwhere(A)
(ystart, xstart), (ystop, xstop) = B.min(0), B.max(0) + 1 
Atrim = A[ystart:ystop, xstart:xstop]

下面的代码（来自）在我的测试中运行得最快：

def bbox2(img):
    rows = np.any(img, axis=1)
    cols = np.any(img, axis=0)
    ymin, ymax = np.where(rows)[0][[0, -1]]
    xmin, xmax = np.where(cols)[0][[0, -1]]
    return img[ymin:ymax+1, xmin:xmax+1]

---

使用

argwhere

接受的答案有效，但运行速度较慢。我的猜测是，这是因为

argwhere

分配了一个巨大的索引输出数组。我在一个大的2D阵列上进行了测试（一个1024 x 1024的图像，大约有一个50x100的非零区域）。

应该避免在numpy阵列上循环。循环仅为1D，因此顺序为n，而不是n^2。没什么大不了的。顺序是正确的，甚至不需要在整个数组宽度上进行循环，但是python循环包含各种额外的步骤，比如类型检查。在这个1D示例中：python循环运行速度慢25倍，以完成相同的任务！如果不知道图像的大小、数量或算法的应用（计算机视觉？），我就说不出这种加速有多大意义。太好了！只要注意可读性，您就可以执行

（ystart，xstart），（ystop，xstop）=B.min（0），B.max（0）+1

，然后简单地用

Atrim=a[ystart:ystop，xstart:xstop]索引
a
。当然，它是完全等效的，但无论如何，我觉得它更可读。这一个很好，您使用的示例正是我将使用的典型数组（只是更大）。我不知道函数argwhere，现在我要做作业了。谢谢@保罗..谢谢，你能帮我：-）有没有一种方法可以对任何数组维度执行此操作？@Naomi当然。只需扩展本例中的模式，在
ystart
和
xstart
之后添加
zstart
3个DIM，并继续添加更多维度。请参阅bbox2函数。。。如果有许多行/列完全用零填充，并且只有少量集群数据，那么速度会快得多。我发现这个答案更像python！谢谢注意，在完全黑色图像的边缘情况下，此代码可能会生成错误。您必须验证这两个
np.where（）
调用都不会返回空数组。这太棒了！你知道如何用周期性边界条件来扩展它吗？@Tropilio我不知道你所说的周期性边界条件是什么意思。但是，如果您希望找到多个连续真值的“blob”，那么像这样的方法可能不起作用。相反，要查找任意blob，我将使用OpenCV connectedComponents（）函数：