python - 在 numpy 数组中找到局部最大梯度值的快速方法？

Question

我有一个二维数组，我想检测它的所有局部最大数组索引。也就是说，给定一个索引 (i, j)，其最大梯度是其 8 个相邻值中任意一个的最大绝对变化:

Index: (i, j)

Neighbors:
(i-1,j+1)  (i,j+1)  (i+1,j+1)
(i-1,j)    [index]    (i+1,j)
(i-1,j-1)  (i,j-1)  (i+1,j-1)

Neighbor angles:
315           0            45
270        [index]         90
225          180          135

MaxGradient(i,j) = Max(|Val(index) - Val(neighbor)|)

如果索引的 MaxGradient 至少与其任何邻居自己的 MaxGradients 一样大，则称该索引为局部最大值。

算法的输出应该是一个二维元组数组，或者一个三维数组，其中对于原始数组中的每个索引，输出数组包含一个值，指示该索引是否局部最大，并且，如果所以，渐变的角度。

我的初始实现只是简单地传递数组两次，一次计算最大梯度(存储在临时数组中)，然后传递一次临时数组以确定局部最大索引。每次，我都是通过 for 循环来完成此操作，分别查看每个索引。

在 numpy 中是否有更有效的方法来做到这一点？

Answer 1

考虑这 8 个相对索引:

X1 X2 X3
X4 X  X5
X6 X7 X8

您可以计算每个像素 X 的差异D1=Val(X)-Val(X1)、D2=Val(X)-Val(X2)、 D3=Val(X)-Val(X3)，D4=Val(X)-Val(X4)。您不需要计算其他差异，因为它们是前四个差异的镜像。 要计算差异，您可以用一行和一列零填充图像并减去。