Python：二维 numpy 数组中峰的正确位置？

Question

我知道这个问题属于峰值检测的范畴，there are answers available，但我认为我的问题非常简单，涉及原理证明。

假设我生成多个 nxn 浮点值的 2D numpy 数组，它指的是 nxn 点（离散域）的规则网格：

myarray=
array([[ 0.82760819,  0.82113999,  0.811576  ,  0.80308705,  0.81231903,
         0.82296263,  0.78448964,  0.79308308,  0.82160627,  0.83475755,
         0.8580934 ,  0.8857617 ,  0.89901092,  0.92479025,  0.91840606,
         0.91029942,  0.88523943,  0.85798491,  0.84190422,  0.83350783,
         0.83520675],
       [ 0.84971526,  0.84759644,  0.81429419,  0.79936736,  0.81750327,
         0.81874686,  0.80666801,  0.82297348,  0.84980788,  0.85698662,
         0.87819988,  0.89572185,  0.89009723,  0.90347858,  0.89703473,
         0.90092666,  0.88362073,  0.86711197,  0.84791422,  0.83632138,
         0.83685225], ...] #you can generate any nxn array of random values

现在让我们标准化它们：

peak_value=myarray.max()
norm_array=myarray/peak_value

然后继续定位峰的(x,y)坐标：

from collections import Counter
longit=[] #x values of the peak
latit=[] #y values of the peak
for x in range(myarray.shape[0]):
   for y in range(myarray.shape[1]):
      if norm_array[x][y]==1:
         longit.append(x)
         latit.append(y)

x=numpy.array(longit)
y=numpy.array(latit)

c=zip(x,y)
temp=Counter(elem for elem in c) #Counts the number of peaks in each (x,y) point in the 11x11 grid
d=dict(Counter(temp)) #Has the shape d={(x,y): number of peaks}

现在这只是二维 numpy 数组的一个实现。给定多个数组，问题是：

这是找到峰的 (x,y) 的正确方法吗？有没有更有效的方法？考虑到可能有多个峰。

Answer 1

在 C/C++ 中，使用浮点数 == 被认为是危险的。

如果没有多个完全相同的派克，可以使用numpy.argmax:

a = random.rand(13, 11)
idx_unrolled = argmax(a)
the_peak = a[idx_unrolled/11, idx_unrolled%11]

如果您需要所有长矛，您可以使用 numpy.where:

获取 i、j 索引的列表

i, j = where(a > 0.99*the_peak)

使用所需数量的 9 来调整边距。对于单精度浮点数，它不接近 1。

最好的方法可能是 [ ]:

i, j = where(a > (1.0 - 5*np.finfo(a.dtype).eps)*the_peak)

Python：二维 numpy 数组中峰的正确位置？

Python: correct location of peaks in a 2D numpy array?

python

arrays

numpy

max

detection