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 np

In [2]: a = np.arange(20).reshape((10,-1))

In [3]: a

Out[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 np

In [3]: d = np.random.random((10, 2)).reshape((-1,4))

In [4]: d

Out[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]: e

Out[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 np

In [2]: a = np.arange(100).reshape((-1,10))

In [3]: a

Out[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]: e

Out[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] = e

In [13]: a

Out[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)