Carlos Horn

我想到的另一种可能性是使用最小过滤器。然而,我预计它会比第一个提议的解决方案慢,但在它的基础上构建更多的解决方案可能会有用。

import numpy as np
from scipy.ndimage import minimum_filter

# create a footprint that only takes the neighbours into account
neighbours = (np.arange(9) % 2 == 1).reshape(3,3)

# create a mask of relevant pixels, img should be your image as array
mask = np.logical_and(
    img == 255,
    minimum_filter(img, footprint=neighbours) == 0
)

# get indexes
indexes = np.where(mask)

# as list
list(zip(*indexes))

你可以用 numba 即时编译器来加速你的循环。

from numba import njit

@njit
def find_highlow_pixels(img):
    pixels = []
    for j in range(1, img.shape[0]-1):
        for i in range(1, img.shape[1]-1):
            if (
                img[j, i] == 255 and (
                    img[j-1, i]==0 or img[j+1,i]==0 or 
                    img[j, i-1]==0 or img[j, i+1]==0
                )
            ):
                pixels.append((j, i))
    return pixels 

你应该把这个字符串变成字典。 json.loads .然后从普通嵌套字典中提取like。

例子:

import json
message = mydict["message"]
message_dict = json.loads(message)
message_dict['id']

哪里 mydict 是给定的输入字典。

如果代码段显示文件的内容,可以执行以下操作:

with open(filepath) as file:
    mydict = json.load(file)
message_dict = mydict["message"]
message_dict['id']