在特定索引处将一个 numpy 数组与另一个 numpy 数组相乘

Question

为了便于解释，我将使用二维 numpy 数组（我在我的问题中使用了 3 维数组）。

我有 2 个数组，一个记录了在那些特定坐标处发生某事的几率。另一个数组是一个预先生成的矩阵，用于在预定半径内降低围绕中心点的第一个数组的值。

我想在第一个矩阵（以下称为 A）中自动 select 点，并防止程序 select 另一个与之前 selected 点太近的点。所以我想将 selected 点周围的值乘以与该点的距离。

例如：

矩阵A：

[[0, 0, 0, 0, 0, 0],
 [0, 1, 2, 2, 1, 0],
 [0, 2, 4, 4, 2, 0],
 [0, 2, 4, 4, 2, 0],
 [0, 1, 2, 2, 1, 0],
 [0, 0, 0, 0, 0, 0]]

矩阵 B:

[[ 1, 0.5, 1 ],
 [0.5, 0, 0.5],
 [ 1, 0.5, 1 ]]

现在假设索引 [2, 1] 被 select 编辑为兴趣点。 B 与 A 相乘，但仅与 [2, 1]

周围的 3*3 中的值相乘

结果：

[[0,  0,  0, 0, 0, 0],
 [0, 0.5, 0, 1, 1, 0],
 [0,  2,  2, 4, 2, 0],
 [0,  2,  4, 4, 2, 0],
 [0,  1,  2, 2, 1, 0],
 [0,  0,  0, 0, 0, 0]]

这应该会导致 [2, 1] 周围的点没有足够的价值被 selected 作为兴趣点，除非条件足够高以至于无论如何都可以被 selected，因此乘法。

现在，我似乎想不出执行此特定乘法的方法。 numpy.multiply() 会重复 B，以便它应用于整个矩阵 A，而我只想将它应用于 A 的一小部分。

另一种选择是遍历矩阵 A 的受影响部分，但这需要大量时间（尤其是在 3 维矩阵中）

换句话说，我想应用一个卷积滤波器，而不是最后对乘法结果求和，而是将它们应用于卷积矩阵 (A) 的基础值

感谢您对此问题的任何见解。

Answer 1

最简单的解决方案是使用切片：

A[5:8, 8:11] = np.multiply(A[5:8,8:11], B)

这样做是从 A 中提取选定点（此处为 [6,9]）周围的 3x3 区域，将其 (element-wise) 乘以 B，然后将其写回同一位置。

既然你谈到了卷积，如果你想使用它，方法是创建一个与 A 形状相同的矩阵 M，但除选定点外，它在所有地方都为零。这个矩阵你可以和B做卷积，然后和A相乘：

M = np.zeros(A.shape)
M[6,9] = 1
M = scipy.ndimage.filters.convolve(M, B)
A = np.multiply(A, M)

（或者某种程度上，我没有测试这个变体）。

Multiplying a numpy array with another numpy array at a specific index