考慮用十字形內核進行卷積。
import numpy as np
from scipy.signal import convolve2d
kernel = np.array([[0,1,0], [1,1,1], [0,1,0]])
mask = convolve2d(arr, kernel, boundary='symm', mode='same')
arr[mask!=5] = 0
這種方法可以正確處理所有輸入:
In [143]: D = np.random.random_integers(0,1, (5,5))
In [144]: D2 = D.copy()
In [145]: mask = convolve2d(D, kernel, boundary='symm', mode='same')
In [146]: D2[mask!=5] = 0
In [147]: binary_erosion(D, kernel2, border_value=1).astype(int)
Out[147]:
array([[0, 1, 0, 1, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])
In [148]: D2
Out[148]:
array([[0, 0, 0, 1, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0],
[0, 0, 0, 0, 0]])
In [149]: D
Out[149]:
array([[1, 0, 1, 1, 1],
[0, 1, 0, 1, 0],
[0, 1, 0, 1, 0],
[0, 0, 1, 1, 0],
[1, 0, 1, 0, 0]])
In [150]: kernel
Out[150]:
array([[0, 1, 0],
[1, 1, 1],
[0, 1, 0]])
In [151]: kernel2
Out[151]:
array([[0, 1, 0],
[1, 0, 1],
[0, 1, 0]])
看入彎看到的差異。
嗯,真的沒有辦法正確地標題。 upvoting所以得到了應有的重視:-) – jjm
你可以循環訪問數組,檢查'1'是否鄰居'0'並將其設置爲'0'? – KSFT
在計算機視覺中,我認爲這被稱爲縮小。 確實有一個比解析更好的術語 –