午夜过后，也许有人知道如何解决我的问题。我想将相邻单元格的数量（这意味着具有其他值的数组字段的数量，例如数组值附近的零）作为 每个有效值的 总和 ！ 。
例：
import numpy, scipy s = ndimage.generate_binary_structure(2,2) # Structure can vary a = numpy.zeros((6,6), dtype=numpy.int) # Example array a[2:4, 2:4] = 1;a[2,4] = 1 # with example value structure print a >[[0 0 0 0 0 0] [0 0 0 0 0 0] [0 0 1 1 1 0] [0 0 1 1 0 0] [0 0 0 0 0 0] [0 0 0 0 0 0]] # The value at position [2,4] is surrounded by 6 zeros, while the one at # position [2,2] has 5 zeros in the vicinity if 's' is the assumed binary structure. # Total sum of surrounding zeroes is therefore sum(5+4+6+4+5) == 24
如果我的值的结构变化，我如何以这种方式计算零的数量？我以某种方式认为必须使用SciPy的binary_dilation函数，该函数能够扩大值结构，但是对重叠的简单计数不能使我得出正确的总和？
print ndimage.binary_dilation(a,s).astype(a.dtype) [[0 0 0 0 0 0] [0 1 1 1 1 1] [0 1 1 1 1 1] [0 1 1 1 1 1] [0 1 1 1 1 0] [0 0 0 0 0 0]]
使用 卷积 计算邻居数：
import numpy import scipy.signal a = numpy.zeros((6,6), dtype=numpy.int) # Example array a[2:4, 2:4] = 1;a[2,4] = 1 # with example value structure b = 1-a c = scipy.signal.convolve2d(b, numpy.ones((3,3)), mode='same') print numpy.sum(c * a)
b = 1-a 允许我们计算每个零而忽略它们。
b = 1-a
我们使用一个3x3全为内核，将每个元素设置为其元素与它的8个相邻值的和（其他内核也是可能的，例如+仅正交相邻值的内核）。使用这些求和的值，我们屏蔽了原始输入中的零（因为我们不在乎它们的邻居），并对整个数组求和。
+
