python - Numpy 数组值 "contamination"

Question

我有一个填充了 0 和 1 的 2D numpy 数组，我想对其进行转换，以便将与 1 相邻的每个值转换为 1(因此标题中的“污染”)。

例如:

0 0 0 0 0 0
0 0 0 0 0 0
0 0 0 1 0 0
0 0 0 0 1 0
0 0 1 0 0 0
0 0 0 0 0 0

变成:

0 0 0 0 0 0
0 0 1 1 1 0
0 0 1 1 1 1
0 1 1 1 1 1
0 1 1 1 1 1
0 1 1 1 0 0

我可以通过循环所有值，找到 1，然后替换相邻值来实现此目的:

import numpy as np

ones = []

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

n_row, n_col = ar.shape

for i in range(n_row):
    for j in range(n_col):

        if ar[i][j] == 1:
            ones.append((i, j))

for x,y in ones:
    # Replace neighboring values

但这似乎有点矫枉过正(特别是因为我计划处理非常大的数组)。

有没有一种方法可以实现这一点，而不必循环遍历所有值？

Answer 1

这基本上就是dilation operation in Image-processing domain 。所以，你可以使用Scipy's binary dilation -

from scipy.ndimage import binary_dilation
out = binary_dilation(arr, structure=np.ones((3,3))).astype(int)

示例运行 -

In [21]: arr
Out[21]: 
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 0, 0, 0, 0],
       [0, 0, 0, 1, 0, 0],
       [0, 0, 0, 0, 1, 0],
       [0, 0, 1, 0, 0, 0],
       [0, 0, 0, 0, 0, 0]])

In [22]: binary_dilation(arr, structure=np.ones((3,3))).astype(int)
Out[22]: 
array([[0, 0, 0, 0, 0, 0],
       [0, 0, 1, 1, 1, 0],
       [0, 0, 1, 1, 1, 1],
       [0, 1, 1, 1, 1, 1],
       [0, 1, 1, 1, 1, 1],
       [0, 1, 1, 1, 0, 0]])