Question

我有一个numpy数组（A）和一个权重矩阵（比如m，这是一种过滤器）。我想在A的每个元素上应用此过滤器，并为A的每个元素获取一个邻居数组乘以m。

例如，如果m是3x3内核，那么我们得到：

对于每个（i，j），A [i，j] - ＆gt;数组（[A [i-1，j-1] * m [0,0]，A [i-1，j] * m [0,1]，...，A [i + 1，j + 1 ] * M [2,2]]）

因此，输出将比A更多。对于边界情况，我需要考虑部分过滤器（相当于用零填充）。有效的方法吗？

Answer 1

这是一种使用skimage's view_as_windows的方法，它为我们提供了所需内核形状的滑动窗口 -

from skimage.util import view_as_windows as viewW

# Pad with one layer of zeros around input array 
a1 = np.lib.pad(a, (1,1), 'constant', constant_values=0)

# Create 3x3 sliding windows for each elem and multiply with m.
# Reshape each window as a 9 elem list as per requirement.
out = (viewW(a1,[3,3])*m).reshape(a.shape + (9,))

示例运行

1]输入数组 -

In [64]: a            
Out[64]: 
array([[75, 46, 74, 72, 96],
       [44, 72, 41, 81, 50],
       [16, 70, 22, 19, 49],
       [87, 74, 78, 66, 49]])

2]输入数组填充 -

In [65]: a1  
Out[65]: 
array([[ 0,  0,  0,  0,  0,  0,  0],
       [ 0, 75, 46, 74, 72, 96,  0],
       [ 0, 44, 72, 41, 81, 50,  0],
       [ 0, 16, 70, 22, 19, 49,  0],
       [ 0, 87, 74, 78, 66, 49,  0],
       [ 0,  0,  0,  0,  0,  0,  0]])

3] 3D输出数组 -

In [66]: out       
Out[66]: 
array([[[  0,   0,   0,   0, 450, 276,   0, 220, 504],
        [  0,   0,   0, 450, 276, 444, 352, 360, 287],
        [  0,   0,   0, 276, 444, 432, 576, 205, 567],
        [  0,   0,   0, 444, 432, 576, 328, 405, 350],
        [  0,   0,   0, 432, 576,   0, 648, 250,   0]],

       [[  0, 300, 276,   0, 264, 432,   0,  80, 490],
        [375, 184, 444, 264, 432, 246, 128, 350, 154],
        [230, 296, 432, 432, 246, 486, 560, 110, 133],
        [370, 288, 576, 246, 486, 300, 176,  95, 343],
        [360, 384,   0, 486, 300,   0, 152, 245,   0]],

       [[  0, 176, 432,   0,  96, 420,   0, 435, 518],
        [220, 288, 246,  96, 420, 132, 696, 370, 546],
        [360, 164, 486, 420, 132, 114, 592, 390, 462],
        [205, 324, 300, 132, 114, 294, 624, 330, 343],
        [405, 200,   0, 114, 294,   0, 528, 245,   0]],

       [[  0,  64, 420,   0, 522, 444,   0,   0,   0],
        [ 80, 280, 132, 522, 444, 468,   0,   0,   0],
        [350,  88, 114, 444, 468, 396,   0,   0,   0],
        [110,  76, 294, 468, 396, 294,   0,   0,   0],
        [ 95, 196,   0, 396, 294,   0,   0,   0,   0]]])

4]让我们验证结果。未填充区域上的第一个滑动窗口为a[:3,:3]。让我们将其与m相乘。乘法后，它应与out[1,1,:] -

相同

In [67]: a[:3,:3]*m
Out[67]: 
array([[375, 184, 444],
       [264, 432, 246],
       [128, 350, 154]])

In [68]: out[1,1,:]
Out[68]: array([375, 184, 444, 264, 432, 246, 128, 350, 154])

值得一提的是，3D滑动窗口数组只是对数组的视图，因此在涉及那些的进一步操作时非常有效 -

In [75]: np.may_share_memory(a1,viewW(a1,[3,3]))
Out[75]: True

Answer 2

你所描述的是卷积，它通常用于图像处理（wiki：https://en.wikipedia.org/wiki/Kernel_(image_processing); http://www.songho.ca/dsp/convolution/convolution2d_example.html）。

scipy.signal.convolve2d(arr, filter)可以达到预期的效果。如上面的链接所述，卷积将滤波器或内核矩阵旋转180度，因此您可以利用numpy.rot90(array)来实现所需的效果。

方法签名可能最终看起来像：

scipy.signal.convolve2d(arr, np.rot90(np.rot90(filter)))

numpy数组中每个元素的加权邻居数组

2 个答案: