2D numpy数组-检查所有相邻项是否相等

Question

我有一个大小为n乘m的布尔数组，这个数组用来表示不同的区域。如果某个位置在区域内，就标记为true；如果不在区域内，就标记为false。例如：

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

区域之间的边界可以用一个大小为(n-1)乘(m-1)的数组来表示，这个数组中的每个点代表着四个值之间的关系。如果这四个值都是一样的，说明你不在区域的边界上；如果有任何一个值不同，那就说明你在边界上。对于上面的r：

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

有没有什么好的方法可以高效地实现这个呢？我尝试过双向比较，但这样会重复计算。有没有什么2D的差异函数？或者其他的解决办法？

Answer 1

已经有一个很好的答案被选中了，但我喜欢那些写起来简单、容易理解的解决方案，所以我还是想分享这个：

from scipy.signal import convolve2d
kernel = np.array(((1, 1), (1, 1)))

x = convolve2d(r, kernel, mode="valid")   # sum all the neighboring values (and mode handles the boundary issues)
x[x==4] = 0                               # set the elements that sum to 4 to zero (the ones that sum to 0 are already 0)
x[x>0] = 1                                # anything greater than one is set to 1

[[1 1 1 1]
 [1 0 1 1]
 [1 0 1 1]
 [0 1 1 0]]

Answer 2

这段代码会测试被 True 包围的 points。

tmp = r[1:] & r[:-1]
l = np.logical_not(tmp[:, 1:] & tmp[:, :-1])

然后你可以用同样的方法测试被 False 包围的 points，最后把它们结合起来。

r = np.logical_not(r)
tmp = r[1:] & r[:-1]
l &= np.logical_not(tmp[:, 1:] & tmp[:, :-1])

print l.astype(int)
# [[1 1 1 1]
#  [1 0 1 1]
#  [1 0 1 1]
#  [0 1 1 0]]