Python 二维阵列中四邻域最大值的求法

我想找到2D numpy数组中项的四个相邻项的最大值。我提出的第一个解决方案是使用

scipy.ndimage.generic_filter

：

import numpy as np
import scipy.ndimage

a = np.random.uniform(low=10, high=100, size=(6500,6500)).astype(np.float)

def filter2d(footprint_elements):
    return max(footprint_elements)

footprint = np.array([[0, 1, 0],
                       [1, 0, 1],
                       [0, 1, 0]])

maxs = scipy.ndimage.generic_filter(a,filter2d, footprint=footprint)

这里使用通用过滤器的问题是速度非常慢，因此我提出了一个更快的解决方案（请注意，边并不重要）：

我正在寻找任何可能更快的方法

我不确定考虑这个是否可以提高速度，但我只对特定的项目感兴趣（由另一个数组决定）。例如，在数组

a

中查找这些项的最大邻居，其中数组

b

大于

0

：

b = np.random.uniform(low=-10, high=10, size=(6500,6500)).astype(np.float)

# need to find maximum neighbour of array a where b > 0

 maxs[b > 0]

---

您可以使用。它还接受

footprint

参数：

from scipy.ndimage import maximum_filter

maxs = maximum_filter(a, footprint=footprint)

时间：

In [105]: a = np.random.uniform(low=10, high=100, size=(6500,6500))

In [106]: %timeit maxs = maximum_filter(a, footprint=footprint)
858 ms ± 2.13 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [107]: %timeit maxs = np.maximum.reduce([a[:-2, 1:-1], a[1:-1, 2:], a[2:, 1:-1], a[1:-1,:-2]])
1.34 s ± 12.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

---

因此

maximum\u filter

比对切片应用

np.maximum.reduce

要快一点。

FYI:

np.random.uniform（）

返回一个浮点值数组，因此以后无需使用

astype（np.float）

。将filter2d函数编译为c回调函数也值得一试。请看以下示例：

In [105]: a = np.random.uniform(low=10, high=100, size=(6500,6500))

In [106]: %timeit maxs = maximum_filter(a, footprint=footprint)
858 ms ± 2.13 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [107]: %timeit maxs = np.maximum.reduce([a[:-2, 1:-1], a[1:-1, 2:], a[2:, 1:-1], a[1:-1,:-2]])
1.34 s ± 12.7 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)