Określanie sąsiednich regionów w tablicy numpy

Question

Szukam następujących. Mam tablicę numpy oznaczoną jako regiony. Tablica numpy reprezentuje segmentowany obraz. Region to liczba sąsiednich komórek o tej samej wartości. Każdy region ma swoją unikalną wartość. Uproszczona wersja z 3 regionach będzie wyglądać następująco:

x = np.array([[1, 1, 1], [1, 1, 2], [2, 2, 2], [3, 3, 3]], np.int32) 

Wydajność:

array([[1, 1, 1], 
     [1, 1, 2], 
     [2, 2, 2], 
     [3, 3, 3]]) 

W powyższym przykładzie 3 oddzielne obszary, z których każdy oznaczony unikalną wartość (1,2,3 w ta sprawa).

To, czego chcę, to wartość sąsiadujących regionów (sąsiadów) dla każdego regionu. Więc w tym przypadku:

• Region 1 przylega do obszaru 2
• Region 2 przylega do obszaru 1 i 3
• Region 3 przylega do obszaru 2

Jaki byłby najbardziej elegancki i najszybszy sposób na osiągnięcie tego?

Wielkie dzięki!

Answer 1

Rozumiem, że zadaniem jest zwrócenie wszystkich różnych pozycji tablicy, które sąsiadują z podaną liczbą (np. 2). Jednym ze sposobów osiągnięcia tego za pomocą metod NumPy jest użycie roll do przesunięcia danego regionu o jedną jednostkę w górę, w dół, w lewo i w prawo. Logiczne OR przesuniętych regionów jest brane i zwracane są wszystkie odrębne elementy, które pasują do tego warunku. Pozostaje wówczas usunąć sam region, ponieważ nie jest uważany za swojego sąsiada.

Ponieważ roll ponownie wprowadza wartości, które wykraczają poza granice tablicy na przeciwnych końcach (co nie jest tutaj pożądane), dodatkowym krokiem jest zastąpienie tego wiersza lub kolumny Fałszem.

import numpy as np 

x = np.array([[1, 1, 1], [1, 1, 2], [2, 2, 2], [3, 3, 3]], np.int32) 
region = 2 # number of region whose neighbors we want 

y = x == region # convert to Boolean 

rolled = np.roll(y, 1, axis=0)   # shift down 
rolled[0, :] = False    
z = np.logical_or(y, rolled) 

rolled = np.roll(y, -1, axis=0)   # shift up 
rolled[-1, :] = False 
z = np.logical_or(z, rolled) 

rolled = np.roll(y, 1, axis=1)   # shift right 
rolled[:, 0] = False 
z = np.logical_or(z, rolled) 

rolled = np.roll(y, -1, axis=1)   # shift left 
rolled[:, -1] = False 
z = np.logical_or(z, rolled) 

neighbors = set(np.unique(np.extract(z, x))) - set([region]) 
print(neighbors) 

Answer 2

Jeśli obszary oznaczone są małymi liczbami całkowitymi (od 0 do n idealnie), etykiety mogą być wykorzystywane do indeksu w tabeli wyników:

n = x.max() 
tmp = np.zeros((n+1, n+1), bool) 

# check the vertical adjacency 
a, b = x[:-1, :], x[1:, :] 
tmp[a[a!=b], b[a!=b]] = True 

# check the horizontal adjacency 
a, b = x[:, :-1], x[:, 1:] 
tmp[a[a!=b], b[a!=b]] = True 

# register adjacency in both directions (up, down) and (left,right) 
result = (tmp | tmp.T) 

, na przykładzie tablicy w kwestii:

In [58]: result.astype(int) 
Out[58]: 
array([[0, 0, 0, 0], 
     [0, 0, 1, 0], 
     [0, 1, 0, 1], 
     [0, 0, 1, 0]]) 

In [60]: np.column_stack(np.nonzero(result)) 
Out[60]: 
array([[1, 2], 
     [2, 1], 
     [2, 3], 
     [3, 2]]) 

In [361]: # Assuming labels start from `1` 
      [np.flatnonzero(row) for row in result[1:]] 
Out[361]: [array([2]), array([1, 3]), array([2])]