我有一张图片，实际上是一个256 x 256的矩阵。我想编写一个名为”get.nbhd”的函数，用于选择一个像素的4个邻居像素，并将它们存储为一个向量。需要时可以调用这个函数。如果像素位于角落或边界上，则分别有2个和3个邻居。以下是一个示例数据集。对于任何位于中间的像素，如d[i,j]，其4个邻居将是{d[i-1,j],d[i+1,j],d[i,j+1],d[i,j-1]}。对于4个角落像素，2个邻居将分别是{d[i,j-1],[i+1,j]} ,{d[i,j+1],d[i+1,j]}, {d[i-1,j],d[i,j-1]}, {d[i-1,j],d[i,j+1]}。对于顶部和底部的边界像素，将有3个邻居，如{d[i-1,j],[i+1,j],d[i,j-1]}。任何帮助都将不胜感激。

    > x<- matrix(rbinom(8*8,1,0.5),8,8)    > x         [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]    [1,]    1    1    1    0    1    0    1    0    [2,]    1    1    0    1    0    1    1    1    [3,]    1    1    1    1    1    0    0    0    [4,]    1    1    1    0    1    1    1    1    [5,]    1    1    1    1    0    1    0    0    [6,]    1    1    1    0    0    1    1    1    [7,]    0    1    1    1    1    0    0    0    [8,]    0    1    0    0    0    1    1    0

回答：

这个函数会返回m[i, j]的邻居像素，并以向量的形式呈现：

get.nbhd <- function(m, i, j) {  # 获取索引  idx <- matrix(c(i-1, i+1, i, i, j, j, j+1, j-1), ncol = 2)  # 将超出边界的索引设为0  idx[idx[, 1] > nrow(m), 1] <- 0  idx[idx[, 2] > ncol(m), 2] <- 0  return (x[idx])}

这个函数利用了这样一个事实：使用零作为索引不会引发错误，而是简单地不返回任何值。因此，超出范围的索引被设为零。

作为示例，我使用了一个与您不同的矩阵，因为如果只有1和0，很难检查结果的正确性。

x<- matrix(1:25,5,5)x##      [,1] [,2] [,3] [,4] [,5]## [1,]    1    6   11   16   21## [2,]    2    7   12   17   22## [3,]    3    8   13   18   23## [4,]    4    9   14   19   24## [5,]    5   10   15   20   25get.nbhd(x, 2, 3)## [1] 11 13 17  7get.nbhd(x, 1, 5)## [1] 22 16get.nbhd(x, 5, 3)## [1] 14 20 10