使用Convolve2D在2D数组中查找邻居数

Question

i具有固定边界的二维晶格（L*l），并将N-S-W-E位点视为每个站点的4个邻居。每个站点都分配一个浮点值。对于每个站点，我正在计算其相邻站点的平均值添加到其自身价值中。我想使用scipy.signal的versolv2d解决此问题。以下是我的代码：

# xi_out = constant1*xi + constant2*(sum of xi's neighbours)/no_of_xi's_neighbours
import numpy as np
from scipy.signal import convolve2d
L = 6  # each side of 2D lattice
a, b = (0.1, 0.5) # two constants
arr = np.random.rand(L, L) # example 2D array
# (3,3) window representing 4 neighbours which slides over 'arr'
kernel = np.array([[0, b, 0],
                   [b, a, b],
                   [0, b, 0]])
neighbors_sum = convolve2d(arr, kernel, mode='same', boundary='fill', fillvalue=0)
print(neighbors_sum)

我找不到将每个站点的相邻值总和除以其邻居的数量。

以以下方式我可以找到每个站点的邻居数量，但不知道如何将这些值纳入"结果"。有人可以建议我如何实现这一目标，或者在卷动中有更简单的内置方法2d吗？

arr = np.ones((L,L), dtype=np.int)
kernel = np.array([[0, 1, 0],
                   [1, 0, 1],
                   [0, 1, 0]])
neighbors_count = convolve2d(arr, kernel, mode='same', boundary='fill', fillvalue=0)
print(neighbors_count)

Answer 1

将一个数组除以另一个数组，逐元，使用 np.divide：

np.divide(result, neighbours_count)

看起来这就是需要添加到您的代码中的全部；我认为这很好。

通常，要找到某种加权平均值，可以做以下操作：

1. 在输入阵列上进行权重执行总和。
2. 在与输入相同的大小的阵列上执行相同的操作。
3. 将1的结果除以2。

Answer 2

import numpy as np
from scipy.signal import convolve2d
L = 6
a, b = 0.1, 0.5
arr = np.random.rand(L, L)
arrb = arr.astype(bool)
kernel = np.array([[0, 1, 0],
                   [1, 0, 1],
                   [0, 1, 0]])
neighbors_sum = convolve2d(arr, kernel, mode='same', boundary='fill', fillvalue=0)
neighbors_count = convolve2d(arrb, kernel, mode='same', boundary='fill', fillvalue=0)
neighbors_mean = np.divide(neighbors_sum, neighbors_count)
res = a * arr + b * neighbors_mean
print(res)