Пиксельные соседи в массиве 2d (изображение) с использованием Python

У меня такой массив numpy:

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

Мне нужно создать функцию, чтобы называть ее "соседи" со следующим входным параметром:

x: массив numpy 2d
(i, j): индекс элемента в массиве 2d
d: радиус окрестности

В качестве вывода я хочу получить соседей ячейки i,j с заданным расстоянием d. Поэтому, если я запустил

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

Мне нужно получить индексы следующих значений: [1,2,3,4,6,7,8,9]. Надеюсь, я разъясню. Есть ли библиотека, подобная scipy, которая имеет дело с этим?

Я сделал что-то, но это грубое решение.

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

Как я могу улучшить это?

Ответ 1

РЕДАКТИРОВАТЬ: ah crap, мой ответ - это просто написать im[i-d:i+d+1, j-d:j+d+1].flatten(), но написанный непонятным образом:)

Хороший старый трюк с поворотным окном может помочь здесь:

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)

Не делал никаких таймингов здесь, но возможно, что эта версия имеет разумную производительность.

Для получения дополнительной информации выполните поиск в сети с фразами "num of number of rollning" или "скользящим окном numpy".

Ответ 2

Посмотрите scipy.ndimage.generic_filter.

В качестве примера:

import numpy as np
import scipy.ndimage as ndimage

def test_func(values):
    print values
    return values.sum()


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

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

results = ndimage.generic_filter(x, test_func, footprint=footprint)

По умолчанию он будет "отражать" значения на границах. Вы можете управлять этим с помощью аргумента ключевого слова mode.

Однако, если вы хотите сделать что-то подобное, есть хороший шанс, что вы можете выразить свою проблему как нечто вроде свертки. Если это так, будет намного быстрее разбить его на сверточные шаги и использовать более оптимизированные функции (например, большую часть scipy.ndimage).

Ответ 3

Я не знаю о каких-либо библиотечных функциях для этого, но вы можете легко написать что-то вроде этого самостоятельно, используя отличную функциональность нарезки numpy:

import numpy as np
def neighbors(im, i, j, d=1):
    n = im[i-d:i+d+1, j-d:j+d+1].flatten()
    # remove the element (i,j)
    n = np.hstack((b[:len(b)//2],b[len(b)//2+1:] ))
    return n

Конечно, вы должны выполнить некоторые проверки диапазона, чтобы избежать доступа за пределы границ.

Ответ 4

Я согласен с ответом Джо Кингтона, просто добавляет к следам

import numpy as np
from scipy.ndimage import generate_binary_structure
from scipy.ndimage import iterate_structure
foot = np.array(generate_binary_structure(2, 1),dtype=int)

или для больших/разных отпечатков для ex.

np.array(iterate_structure(foot , 2),dtype=int)

Ответ 5

Возможно, используйте KDTree в SciPy?