python - numpy:检测数组中的连续 1

Question

我想在一个 numpy 数组中检测连续的 1 跨度。实际上，我想首先确定数组中的元素是否在至少三个 1 的范围内。例如，我们有以下数组 a:

    import numpy as np
    a = np.array([1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 0])

那么下面加粗的1就是满足要求的元素。

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

接下来，如果两个 1 的跨度最多被两个 0 分隔，则这两个跨度构成一个更长的跨度。所以上面的数组被表征为

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

换句话说，对于作为输入的原始数组，我希望输出如下:

    [True, True, True, True, True, True, True, False, False, False, False, False, True, True, True, True, True, True, True, True, True, True, False]

我一直在想一种算法来实现这个功能，但我想出的所有算法似乎都很复杂。所以我很想知道更好的方法来实现这个——如果有人能帮助我，我将不胜感激。

更新:

我很抱歉我没有把我的问题说清楚。我想将数组中的 3 个或更多连续 1 标识为 1 的跨度，并且将任何两个 1 跨度与中间只有一个或两个 0 的跨度以及分隔的 0 标识为单个长跨度。我的目标可以通过以下方式来理解:如果 1 的跨度之间只有一两个 0，我认为这些 0 是错误并应该被纠正为 1。

@ritesht93 提供的答案几乎给出了我想要的答案。但是，当前的答案没有确定存在三个由 0 分隔的 1 跨度的情况，应将其标识为单个跨度。例如，对于数组

    a2 = np.array([0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 0])

我们应该收到输出

    [False,  True,  True,  True,  True,  True,  True,  True,  True,
   True,  True,  True,  True,  True, False, False,  False, False,
   False,  True,  True,  True,  True,  True, False]

更新 2:

我深受启发，发现基于正则表达式的算法最容易实现和理解——尽管与其他方法相比，我不确定其效率。最终我使用了以下方法。

    lst = np.array([0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 0])
    lst1 = re.sub(r'1{3,}', lambda x:'c'*len(x.group()), ''.join(map(str, lst)))
    print lst1

它确定了 1 的跨度

    0ccc0ccc00cccc00100ccccc0

然后连接跨度为 1 的

    lst2 = re.sub(r'c{1}0{1,2}c{1}', lambda x:'c'*len(x.group()), ''.join(map(str, lst1)))
    print lst2

这使

    0ccccccccccccc00100ccccc0

最终结果由下式给出

    np.array(list(lst2)) == 'c'

    array([False,  True,  True,  True,  True,  True,  True,  True,  True,
    True,  True,  True,  True,  True, False, False, False, False,
   False,  True,  True,  True,  True,  True, False])

Answer 1

我们可以使用 binary dilation 和 erosion 的组合解决它以通过第一阶段，然后 binary closing 获得最终输出，就像这样 -

from scipy.ndimage.morphology import binary_erosion,binary_dilation,binary_closing

K = np.ones(3,dtype=int) # Kernel
b = binary_dilation(binary_erosion(a,K),K)
out = binary_closing(b,K) | b

示例运行

情况1 :

In [454]: a
Out[454]: array([1, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 1, 0])

In [456]: out
Out[456]: 
array([ True,  True,  True,  True,  True,  True,  True, False, False,
       False, False, False,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True, False], dtype=bool)

案例#2:

In [460]: a
Out[460]: 
array([0, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 1, 1, 1, 0])

In [461]: out
Out[461]: 
array([False,  True,  True,  True,  True,  True,  True,  True,  True,
        True,  True,  True,  True,  True, False, False, False, False,
       False,  True,  True,  True,  True,  True, False], dtype=bool)