Tín hiệu thâm nhập trong numpy

Vấn đề bao gồm mô hình lan truyền tín hiệu (ví dụ: ánh sáng hoặc âm thanh, v.v.) thông qua một loạt các chướng ngại vật, như trên hình dưới đây. Tín hiệu không thể đi qua bề mặt đáy (địa hình), nhưng nó có thể vượt qua chướng ngại vật. Tôi muốn đếm số lượng chướng ngại vật đi qua.

Địa hình và chướng ngại vật nằm trong mảng numpy 2D (x, y, z). Đây là những gì tôi làm:

output = numpy.zeros(terrain.shape)

obstacles = terrain + obstacle_heights


for i in xrange (obstacles.shape[0]):
    for j in xrange (obstacles.shape[1]):

        mask = obstacles[i,j] > terrain[i,j:]
        output[i,j:][mask] +=1

Kết quả sẽ giống như [0, 0, 0, 1, 1, 1, 2, 3, 4, 4, 4 ...]mỗi hàng.

Phương pháp này hoạt động tốt (cung cấp các thung lũng trên địa hình được lấp đầy bằng cách sử dụng numpy.maximum.accumulate). Bây giờ, liệu có thể tăng tốc độ bằng cách sử dụng một giải pháp véc tơ?

Như các ý kiến ​​đã nói ở trên, có lẽ bạn có thể vector hóa hoạt động để loại bỏ các vòng lặp và làm cho nó hiệu quả hơn.

Tuy nhiên, nếu bạn xem xét vấn đề theo một cách hơi khác - đó là ngưỡng - bạn có thể tận dụng các công cụ từ scimy ndimage để đếm các chướng ngại vật:

Đầu tiên, ngưỡng dữ liệu địa hình của bạn theo chiều cao tín hiệu của bạn để có được một mảng boolean nơi tín hiệu có thể, bất kể nguồn gốc.

signal_reach = terrain < signal_height

Sau đó, bạn có thể sử dụng ndimage.labelphương pháp để nhóm các vùng riêng biệt:

from scipy import ndimage
signal_regions, region_count = ndimage.label(signal_reach)

Khi điều này được thực hiện, hãy lấy (các) ID khu vực khớp với (các) ô gốc của tín hiệu của bạn. Trong trường hợp của bạn, nó sẽ là cột đầu tiên.

import numpy as np
origin_labels = np.unique(signal_regions[:, 0]) # or whatever indexes meet the start of the signal
# ndimage lables are greater than 1, 0 is an unlabeled region
origin_labels = origin_lables[origin_lables > 0]

Bây giờ ngưỡng phát sinh nơi tín hiệu chặn địa hình + chướng ngại vật và lần này lọc ra các khu vực bên ngoài hoặc khu vực quan tâm sử dụng numpy.isin.

area_of_interest = np.isin(signal_regions, origin_labels)
signal_intercepted = (obstacles >= signal_height) & area_of_interest

Và vòng cuối cùng ndimage.labelcung cấp cho bạn vô số chướng ngại vật bị chặn, bởi vì chúng tôi đã lọc ra các khu vực bị chặn bởi địa hình:

obstacles_hit, obstacle_count = ndimage.label(signal_intercepted)

Có thêm một chút mã ở đây, nhưng có hai lợi thế lớn:

• Không có vòng lặp có nghĩa là mã phải nhanh chóng hợp lý,
• Và với mục đích tính toán, nguồn gốc tín hiệu có thể ở trên hoặc nhiều ô, bất cứ nơi nào trên raster địa hình.