Python 在二维numpy栅格中查找相邻图元

我有一个2D Numpy数组，看起来像这样：

[[1,1,1,2,2],
 [1,1,1,2,2],
 [1,2,2,2,2]]

[[False, False, True, False],
...etc

其中，数组中的每个数字表示一个区域。我想生成一个布尔数组，在相邻元素不完全相等的位置上，即在区域边界上，显示

True

。所以结果应该是这样的：

[[1,1,1,2,2],
 [1,1,1,2,2],
 [1,2,2,2,2]]

[[False, False, True, False],
...etc

---

我知道一个简单的双for循环可以做到这一点，但我需要更快的东西。

一般来说，你需要一个边缘检测过滤器

处理这个问题的方法不止一种，但基本思想是用数据卷积一个简单的过滤器，如

[-1，1]

或

[-1，0，1]

scipy.ndimage

和scikit image是这方面的良好起点。请记住，处理一般情况的方法不止一种

但是，如果希望得到最简单的情况，可以使用基本的numpy操作：

import numpy as np

x = np.array([[1,1,1,2,2],
              [1,1,1,2,2],
              [1,2,2,2,2]])

edges = np.abs(np.diff(x, axis=1)) > 0

这将产生：

array([[False, False,  True, False],
       [False, False,  True, False],
       [ True, False, False, False]], dtype=bool)

---

如果希望输出与输入具有相同的形状，可以使用几个不同的选项。您可以用左侧或右侧边缘值填充输入数组：

# Pad the right-hand side with the edge values
# Use [(0, 0), (1, 0)] to pad the left instead.
xpad = np.pad(x, [(0, 0), (0, 1)], mode='edge')

edges = np.abs(np.diff(xpad, axis=1)) > 0

这将产生：

array([[False, False,  True, False, False],
       [False, False,  True, False, False],
       [ True, False, False, False, False]], dtype=bool)

在这种特定情况下，可以使用

np.gradient

而不是填充数组<代码>渐变将在边缘使用不同的算法，以确保保持阵列大小：

dy, dx = np.gradient(x)
edges = np.abs(dx) > 0

这会产生稍厚的边框，因为它使用的算法与简单减去相邻元素的算法略有不同：

array([[False, False,  True,  True, False],
       [False, False,  True,  True, False],
       [ True,  True, False, False, False]], dtype=bool)

最后，根据您所说的“双边界”的含义，您可能会尝试使用比简单的单边差异更复杂的边缘过滤器。例如：

In [4]: import scipy.ndimage

In [5]: abs(scipy.ndimage.laplace(x)) > 0
Out[5]:
array([[False, False,  True,  True, False],
       [False,  True,  True,  True, False],
       [ True,  True,  True, False, False]], dtype=bool)

---

有没有办法使输出与输入的大小相同，从而获得某种“双边框”效果？@user3396592-有几种不同的方法。您可以填充输入（例如，

np.pad

），但在这种特定情况下，您可能会发现使用

np.gradient

而不是

np.diff

最简单。我将添加一个示例。