如何优化卷积过程？

Question

我的算法包括在图像周围对固定大小的内核进行卷积，然后在每个步骤中查看图像部分的边界。 如果所有边界都等于零，则将图像的所有部分都设为零，否则，什么也不做。

代码：

def iterForms(img):
    height, width = img.shape
    size = 14

    for i in range(0, height - size - 2):
        for j in range(0, width - size - 2):
            crop = img[i : i + size + 2, j : j + size + 2]
            cleanCrop(crop)
    return img


def cleanCrop(crop):
    h, w = crop.shape
    borders = np.vstack((crop[0,:], crop[h-1,:], crop[:,0], crop[:,w-1]))
    if np.all(borders == 0):
        crop[:, :] = 0

我想知道是否有优化的函数可以在图像周围盘旋，并针对每个步骤执行一个函数（在这种情况下，该函数为“ cleanCrop”）。 如果不存在，是否可以使用多渠道优化此过程？ 预先感谢。

编辑： 从技术上讲，它不是卷积。让我们将其称为在图片周围滑动。