Python 2D数组中的邻居

我有一个2D numpy数组，如下所示：

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

我需要得到相同的矩阵，但将每个值替换为邻域数，我可以在任何方向上移动一步，但只能沿着

1

因此，我应该得到以下信息：

finish = np.array([
    [4,4,0,2],
    [4,0,0,2],
    [0,4,0,0]
                 ])

在我看来，这是一个众所周知的问题，但我甚至还没有弄明白如何在搜索中表达它，因为我所寻找的一切都有点不同。 执行此操作的最佳方法是什么？

您可以将此函数与自定义结构数组一起使用

s

：

import numpy as np
from scipy.ndimage import label    

start = np.asarray([ [1,1,0,1],
                   [1,0,0,1],
                   [0,1,0,0] ])

#structure array what to consider as "neighbors"
s = [[1,1,1],
     [1,1,1],
     [1,1,1]]

#label blobs in array
labeledarr,_ = label(start, structure=s)

#retrieve blobs and the number of elements within each blobs
blobnr, blobval = np.unique(labeledarr.ravel(), return_counts=True)

#substitute blob label with the number of elements
finish = np.zeros_like(labeledarr)
for k, v in zip(blobnr[1:], blobval[1:]):
    finish[labeledarr==k] = v

print(finish)

输出：

[[4 4 0 2]
 [4 0 0 2]
 [0 4 0 0]]

我确信，具有其发生值的最后一步可以在速度方面进行优化。
@mad physicator正确地提到，最初使用的

labeledar.flat

应该被

labeledar.ravel（）替换
 您可以使用来标记连接的区域，并返回@Mr.T指出的区域数。这可用于创建用于索引和计数的布尔掩码

由于@T先生首先提出了一个类似的解决方案，因此应将其归功于@T先生。由于第二部分有所不同，所以这个答案仍在发布中，我发现它更具可读性，在我的机器上速度更快40%

将numpy导入为np
从scipy.ndimage导入标签
a=[[1,1,0,1]，
[1,0,0,1],
[0,1,0,0]]) 
#标记连接的区域，第二个参数定义连接结构
标签，n_标签=标签（a，np.ones（（3,3）））
#用连接区域的大小替换标签值
b=np.类零（带标签）
对于范围内的i（1，n_标签+1）：
目标=（标记==i）
b[target]=np.count\u非零（target）
印刷品（b）

输出：

[[4 4 0 2]
 [4 0 0 2]
 [0 4 0 0]]

拉威尔可能比扁平的更可取