我正在尝试制作一个需要矩阵的邻居(不包括自身)之和的程序ex ex:
matrix([[0, 0, 0],
[1, 0, 1],
[0, 1, 0]])
会返回:
matrix([[1, 2, 1],
[1, 3, 1],
[2, 2, 2]])
我在这里有一个有效的代码,但是它又大又杂乱,我是numpy的新手,所以我需要一些帮助来清理和优化它. (我觉得必须有更好的方法)
示例代码:
import numpy as np
def NiSum(m):
new = []
for x in range(m.shape[0]-1):
row = []
for y in range(m.shape[1]-1):
Ni = 0
for a in [1,1],[1,0],[1,-1],[0,1],[0,-1],[-1,1],[-1,0],[-1,-1]:
Ni += m[x+a[0],y+a[1]]
row.append(Ni)
new.append(row)
return np.matrix(new)
example = np.matrix('0 0 0 0 0 0 0 0; '*3+'0 0 0 1 1 1 0 0; '*3+'0 0 0 0 0 0 0 0;0 0 0 0 0 0 0 0 ')
NiSum(example)
谢谢你的帮助 !
解决方法:
您正在对该3×3邻域中的所有值求和,但不包括元素本身.因此,我们可以使用Scipy's 2D convolution
并从中减去该输入数组/矩阵以获得所需的输出,如下所示:
from scipy.signal import convolve2d
convolve2d(a,np.ones((3,3),dtype=int),'same') - a
样品运行-
In [11]: a
Out[11]:
matrix([[0, 0, 0],
[1, 0, 1],
[0, 1, 0]])
In [12]: convolve2d(a,np.ones((3,3),dtype=int),'same') - a
Out[12]:
matrix([[1, 2, 1],
[1, 3, 1],
[2, 2, 2]])
或简单地形成一个全为零但中心为零的内核,并使用相同的2D卷积-
In [31]: kernel = np.array([[1,1,1],[1,0,1],[1,1,1]])
In [32]: np.asmatrix(convolve2d(a,kernel,'same'))
Out[32]:
matrix([[1, 2, 1],
[1, 3, 1],
[2, 2, 2]])