python:二维矩阵中更快的局部最大值

Question

给定:R是mxn浮点矩阵

输出:O是m×n矩阵,其中O [i,j] = R [i,j] if(i,j)是局部最大值,否则O [i,j] = 0.局部最大值定义为以i,j为中心的3x3块中的最大元素.

使用numpy和scipy在python上执行此操作的更快的方法是什么.

m,n = R.shape
for i in range(m):
    for j in range(n):
        R[i,j]  *= (1 if R[min(0,i-1):max(m, i+2), min(0,j-1):max(n,j+2)].max() == R[i,j] else 0)

Answer 1

你可以使用scipy.ndimage.maximum_filter:

In [28]: from scipy.ndimage import maximum_filter

这是一个示例R:

In [29]: R
Out[29]: 
array([[3, 3, 0, 0, 3],
       [0, 0, 2, 1, 3],
       [0, 1, 1, 1, 2],
       [3, 2, 1, 2, 0],
       [2, 2, 1, 2, 1]])

在3x3窗口上获得最大值:

In [30]: mx = maximum_filter(R, size=3)

In [31]: mx
Out[31]: 
array([[3, 3, 3, 3, 3],
       [3, 3, 3, 3, 3],
       [3, 3, 2, 3, 3],
       [3, 3, 2, 2, 2],
       [3, 3, 2, 2, 2]])

比较mx来R; 这是一个布尔矩阵:

In [32]: mx == R
Out[32]: 
array([[ True,  True, False, False,  True],
       [False, False, False, False,  True],
       [False, False, False, False, False],
       [ True, False, False,  True, False],
       [False, False, False,  True, False]], dtype=bool)

使用np.where创建O:

In [33]: O = np.where(mx == R, R, 0)

In [34]: O
Out[34]: 
array([[3, 3, 0, 0, 3],
       [0, 0, 0, 0, 3],
       [0, 0, 0, 0, 0],
       [3, 0, 0, 2, 0],
       [0, 0, 0, 2, 0]])