如何计算二维NumPy数组的加权“中心”？

Question

假设我有一些NumPy数组（在这种情况下它代表一个100x100的二进制图像）...

img=np.random.randint(0,2,(100,100)).astype(numpy.uint8)

如何最好地确定数组中1值的“平均位置”？例如，如果数组中有一组1，则希望找到该组的中心。

- Chris

Answer 1

我看到你也将此标记为numpy，所以我会这样做：

x = range(0, img.shape[0])
y = range(0, img.shape[1])

(X,Y) = np.meshgrid(x,y)

x_coord = (X*img).sum() / img.sum().astype("float")
y_coord = (Y*img).sum() / img.sum().astype("float")

那将为您提供加权平均中心。

如果您想要针对图像中每个1簇集进行此操作，建议使用连接组件来屏蔽您感兴趣的簇集。重复此过程可能不是一个好主意，而是在同一数组遍历中计算所有簇平均值。

- Diana

---

scipy.ndimage 模块有一个 center_of_mass 函数，还有一个 label 函数用于查找聚类。 - Jaime

@Jaime：哦，那可能比我的解决方案更快。我会看一下的。谢谢你的提示！ - Diana

如果您在调用np.meshgrid时设置sparse=True，并将img.sum()存储在辅助变量中以便重复使用而不是计算两次，我认为您的代码执行效率不会比Scipy差。我认为您也不需要.astype(float)这个操作，因为您正在除以numpy标量，而不是Python整数，但我可能错了... - Jaime