使用Python的2d数组（图像）中的像素邻居

Question

我有一个像这样的numpy数组：

x = np.array([[1,2,3],[4,5,6],[7,8,9]])

我需要创建一个函数，并使用以下输入参数将其称为“邻居”：

• x：numpy 2d数组
• （i，j）：二维数组中元素的索引
• d：邻域半径

作为输出，我想获得i,j给定距离的单元格的邻居d。所以如果我跑步

neighbors(im, i, j, d=1) with i = 1 and j = 1 (element value = 5)

我应该获取以下值的索引：[1,2,3,4,6,7,8,9]。我希望我说清楚。是否有像scipy这样的库来处理这个问题？

我已经做了一些工作，但这是一个粗略的解决方案。

def pixel_neighbours(self, p):

    rows, cols = self.im.shape

    i, j = p[0], p[1]

    rmin = i - 1 if i - 1 >= 0 else 0
    rmax = i + 1 if i + 1 < rows else i

    cmin = j - 1 if j - 1 >= 0 else 0
    cmax = j + 1 if j + 1 < cols else j

    neighbours = []

    for x in xrange(rmin, rmax + 1):
        for y in xrange(cmin, cmax + 1):
            neighbours.append([x, y])
    neighbours.remove([p[0], p[1]])

    return neighbours

我该如何改善？

Answer 1

编辑 ：啊废话，我的答案只是写作，im[i-d:i+d+1, j-d:j+d+1].flatten()但以一种不可理解的方式写:)

好的旧滑动窗口技巧可能会在这里有所帮助：

import numpy as np
from numpy.lib.stride_tricks import as_strided

def sliding_window(arr, window_size):
    """ Construct a sliding window view of the array"""
    arr = np.asarray(arr)
    window_size = int(window_size)
    if arr.ndim != 2:
        raise ValueError("need 2-D input")
    if not (window_size > 0):
        raise ValueError("need a positive window size")
    shape = (arr.shape[0] - window_size + 1,
             arr.shape[1] - window_size + 1,
             window_size, window_size)
    if shape[0] <= 0:
        shape = (1, shape[1], arr.shape[0], shape[3])
    if shape[1] <= 0:
        shape = (shape[0], 1, shape[2], arr.shape[1])
    strides = (arr.shape[1]*arr.itemsize, arr.itemsize,
               arr.shape[1]*arr.itemsize, arr.itemsize)
    return as_strided(arr, shape=shape, strides=strides)

def cell_neighbors(arr, i, j, d):
    """Return d-th neighbors of cell (i, j)"""
    w = sliding_window(arr, 2*d+1)

    ix = np.clip(i - d, 0, w.shape[0]-1)
    jx = np.clip(j - d, 0, w.shape[1]-1)

    i0 = max(0, i - d - ix)
    j0 = max(0, j - d - jx)
    i1 = w.shape[2] - max(0, d - i + ix)
    j1 = w.shape[3] - max(0, d - j + jx)

    return w[ix, jx][i0:i1,j0:j1].ravel()

x = np.arange(8*8).reshape(8, 8)
print x

for d in [1, 2]:
    for p in [(0,0), (0,1), (6,6), (8,8)]:
        print "-- d=%d, %r" % (d, p)
        print cell_neighbors(x, p[0], p[1], d=d)

这里没有进行任何计时，但是此版本可能具有合理的性能。

有关更多信息，请用短语“ rolling window numpy”或“ sliding window numpy”搜索网络。