0

为了便于解释，我将使用 2 维 numpy 数组（我在我的问题中使用 3 维数组）。

我有 2 个数组，一个记录在这些特定坐标处发生某些事情的几率。另一个数组是一个预先生成的矩阵，用于降低第一个数组在预定半径中的中心点周围的值。

我想自动选择第一个矩阵（以下称为 A）中的点，并防止程序选择另一个离先前选择的点太近的点。所以我想将所选点周围的值与与所述点的距离相乘。

例如：

矩阵 A：

[[0, 0, 0, 0, 0, 0],
 [0, 1, 2, 2, 1, 0],
 [0, 2, 4, 4, 2, 0],
 [0, 2, 4, 4, 2, 0],
 [0, 1, 2, 2, 1, 0],
 [0, 0, 0, 0, 0, 0]]

矩阵 B：

[[ 1, 0.5, 1 ],
 [0.5, 0, 0.5],
 [ 1, 0.5, 1 ]]

现在说索引 [2, 1] 被选为兴趣点。B 与 A 相乘，但仅与 [2, 1] 周围的 3*3 中的值相乘

结果：

[[0,  0,  0, 0, 0, 0],
 [0, 0.5, 0, 1, 1, 0],
 [0,  2,  2, 4, 2, 0],
 [0,  2,  4, 4, 2, 0],
 [0,  1,  2, 2, 1, 0],
 [0,  0,  0, 0, 0, 0]]

这应该导致 [2, 1] 周围的点没有足够的价值被选为兴趣点，除非条件足够高以至于无论如何都可以选择，因此需要乘法。

现在，我似乎无法找到一种方法来执行这种特定的乘法。numpy.multiply()将重复 B 以便将其应用于整个矩阵 A，而我只想将其应用于 A 的一小部分。

另一种选择是遍历矩阵 A 的受影响部分，但这需要大量时间（尤其是在 3 维矩阵中）

换句话说，我想应用一个卷积滤波器，而不是在最后对乘法结果求和，而是将它们应用于卷积矩阵 (A) 的基础值

对此问题的任何见解表示赞赏。

4

1 回答 1

1

最简单的解决方案使用切片：

A[5:8, 8:11] = np.multiply(A[5:8,8:11], B)

这样做是从 A 中提取选定点周围的 3x3 区域（此处为 [6,9]），将其（按元素）乘以 B，然后将其写回相同的位置。

既然您谈到了卷积，那么如果您想使用该方法，那么该方法将是创建一个与 A 形状相同的矩阵 M，但除了所选点之外的任何地方都为零。该矩阵可以与 B 进行卷积，然后与 A 相乘：

M = np.zeros(A.shape)
M[6,9] = 1
M = scipy.ndimage.filters.convolve(M, B)
A = np.multiply(A, M)

（或某种程度的东西，我没有测试这个变体）。

于 2018-02-19T23:48:27.560 回答