方法1:我们可以使用SciPy's 2D
convolution获得求和滑动形状(n,n)
的窗户和argmax
选择具有最大总和窗口的指数和转化为行,列指数以np.unravel_index
,像这样 -
from scipy.signal import convolve2d as conv2
def largest_sum_pos_app1(a, n):
idx = conv2(a, np.ones((n,n),dtype=int),'same').argmax()
return np.unravel_index(idx, a.shape)
采样运行 -
In [558]: a
Out[558]:
array([[0, 0, 0, 0, 0],
[0, 1, 1, 1, 0],
[0, 1, 1, 1, 0],
[0, 1, 1, 1, 0],
[0, 0, 0, 0, 0]])
In [559]: largest_sum_pos_app1(a, n=3)
Out[559]: (2, 2)
方法#1S(超级充电):我们可以通过使用uniform filter
,像这样进一步推动它 -
from scipy.ndimage.filters import uniform_filter as unif2D
def largest_sum_pos_app1_mod1(a, n):
idx = unif2D(a.astype(float),size=n, mode='constant').argmax()
return np.unravel_index(idx, a.shape)
方法2:另一个基于scikit-image
的滑动窗口创建工具view_as_windows
,我们将创建滑动形状(n,n)
的窗户给我们4D
数组,最后两个形状为(n,n)
的轴对应于搜索窗口大小。因此,我们将沿着这两个轴进行求和,并获得argmax
索引并将其转换为实际的行,列的位置。
因此,实现起来 -
from skimage.util.shape import view_as_windows
def largest_sum_pos_app2(a, n):
h = (n-1)//2 # half window size
idx = view_as_windows(a, (n,n)).sum((-2,-1)).argmax()
return tuple(np.array(np.unravel_index(idx, np.array(a.shape)-n+1))+h)
也如在评论中提到,有一个甚至n
搜索方是令人困惑的因为它不会有它的任何元素的中心坐标。
运行测试
In [741]: np.random.seed(0)
In [742]: a = np.random.randint(0,1000,(1000,1000))
In [743]: largest_sum_pos_app1(a, n= 5)
Out[743]: (966, 403)
In [744]: largest_sum_pos_app1_mod1(a, n= 5)
Out[744]: (966, 403)
In [745]: largest_sum_pos_app2(a, n= 5)
Out[745]: (966, 403)
In [746]: %timeit largest_sum_pos_app1(a, n= 5)
...: %timeit largest_sum_pos_app1_mod1(a, n= 5)
...: %timeit largest_sum_pos_app2(a, n= 5)
...:
10 loops, best of 3: 57.6 ms per loop
100 loops, best of 3: 10.1 ms per loop
10 loops, best of 3: 47.7 ms per loop
如果'N'是'4',就不会有'2'问题:没有中心'index'并在'example',所有卷积会有相同的'总和'...不是吗? –