在2D数组和顺序像素中创建移动窗口的最佳方法是什么

Question

我是Python的新手，因此需要使用它进行一些棘手的2D数组操作。我不确定最好的解决方法。

基本上，我从0到1之间的值数组开始。

我需要有一个移动的2x2窗口以应用于2D数组（编辑：该数组是2D图像；即200x200像素左右），并且在每个2x2窗口中，根据数组值权重（即2x2中的最小像元变为4，然后下一个最小值变为3，依此类推）

我可以看到如何通过嵌套循环提取2x2窗口。那是最好的方法吗？

更棘手的是如何进行订购分配。

我以为在窗口子数组上迭代使用numpy.where（subarray.min），但我看不到如何在返回的返回位置进行GET操作！我不确定没有更好的方法可以解决此问题。

建议？指向如何使用NumPy进行复杂的，混乱的数组操作的指针？

Answer 1

因此，您将从这样的数组开始：In [1]: import numpy as npIn [2]: a = np.arange(20).reshape((10,-1))In [3]: aOut[3]: array([[ 0,  1],       [ 2,  3],       [ 4,  5],       [ 6,  7],       [ 8,  9],       [10, 11],       [12, 13],       [14, 15],       [16, 17],       [18, 19]])我想您正在寻找reshapeand argsort。使用reshape成员函数，您可以更改形状而无需更改顺序：In [4]: a.reshape((-1,4))Out[4]: array([[ 0,  1,  2,  3],       [ 4,  5,  6,  7],       [ 8,  9, 10, 11],       [12, 13, 14, 15],       [16, 17, 18, 19]])重塑需要一个元组。我喜欢将其视为（行数，数字或列数）。在这种情况下，（-1,4）表示：使用4列（因此每行中有四个数字），然后根据数据量计算行数。使用argsort您可以获得所需的数组。In [2]: import numpy as npIn [3]: d = np.random.random((10, 2)).reshape((-1,4))In [4]: dOut[4]: array([[ 0.65945195,  0.1907593 ,  0.1630845 ,  0.76949532],       [ 0.90823488,  0.71518689,  0.38422877,  0.77824007],       [ 0.31453967,  0.76592537,  0.5871099 ,  0.09306465],       [ 0.38251335,  0.97461878,  0.97562622,  0.87532202],       [ 0.12358359,  0.20323007,  0.397975  ,  0.615806  ]])In [7]: e = np.array([4-np.argsort(r) for r in d])In [8]: eOut[8]: array([[2, 3, 4, 1],       [2, 3, 1, 4],       [1, 4, 2, 3],       [4, 1, 3, 2],       [4, 3, 2, 1]])如您所见，现在每一行都有所需的索引。让我们回顾一下第7行从内到外的操作：for r in d：遍历d中的所有行。4 - np.argsort(r)：argsort会在0-3范围内创建索引。因此，我们将其从4减去以达到4-1的反比范围。在numpy数组中，对每个元素都进行了操作，因此其4 - np.array([2, 1, 0, 3])行为类似于np.array([4,4,4,4]) - np.array([2, 1, 0, 3])。[]：方括号之间的前几行使它成为列表理解，这就像一个非常快速且紧凑的for循环返回列表一样。np.array：将数组列表合并为一个大数组。然后使用另一种整形，将数据恢复为原始形状In [9]: e.reshape((-1,2))Out[9]: array([[2, 3],       [4, 1],       [2, 3],       [1, 4],       [1, 4],       [2, 3],       [4, 1],       [3, 2],       [4, 3],       [2, 1]])

Answer 2

您可以执行以下操作。假设您有一个2D矩阵：In [1]: import numpy as npIn [2]: a = np.arange(100).reshape((-1,10))In [3]: aOut[3]: array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],       [30, 31, 32, 33, 34, 35, 36, 37, 38, 39],       [40, 41, 42, 43, 44, 45, 46, 47, 48, 49],       [50, 51, 52, 53, 54, 55, 56, 57, 58, 59],       [60, 61, 62, 63, 64, 65, 66, 67, 68, 69],       [70, 71, 72, 73, 74, 75, 76, 77, 78, 79],       [80, 81, 82, 83, 84, 85, 86, 87, 88, 89],       [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])您可以选择一个2x2子矩阵，如下所示：In [4]: a[3:5, 0:2]Out[4]: array([[30, 31],       [40, 41]])这里的模式是a[row:row+2, column:column+2]。使用上面显示的reshape和argsort技术，您可以创建新值。In [5]: p = a[3:5, 0:2]In [6]: e = 4-np.argsort(p.reshape((1,4))).reshape((2,2))In [7]: eOut[7]: array([[4, 3],       [2, 1]])然后，您可以将此结果放置在原始数组或副本中：In [12]: a[3:5, 0:2] = eIn [13]: aOut[13]: array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],       [ 4,  3, 32, 33, 34, 35, 36, 37, 38, 39],       [ 2,  1, 42, 43, 44, 45, 46, 47, 48, 49],       [50, 51, 52, 53, 54, 55, 56, 57, 58, 59],       [60, 61, 62, 63, 64, 65, 66, 67, 68, 69],       [70, 71, 72, 73, 74, 75, 76, 77, 78, 79],       [80, 81, 82, 83, 84, 85, 86, 87, 88, 89],       [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])请注意，图像的宽度和高度都必须是均匀的，才能使2x2子矩阵按预期工作...

Answer 3

也许这会有所帮助[请参阅此处]调用方式：x = np.arange(36).reshape((6, 6))print(x)b = sliding_window(x, (2, 3), None, False) print(b)