Questo può essere fatto più velocemente, da rimodellare e scambiando gli assi, e poi ripetendo su tutti gli elementi del kernel, in questo modo:
im = np.arange(81).reshape(9,9)
print np.swapaxes(im.reshape(3,3,3,-1),1,2)
Questo ti dà una serie di 3 * 3 piastrelle che tessalates tutto la superficie:
[[[[ 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]]]]
per ottenere le piastrelle sovrapposte dobbiamo ripetere questo 8 altre volte, ma 'avvolgimento' la matrice, utilizzando una combinazione di vstack
e column_stack
. Si noti che gli array di destra e piastrelle di fondo avvolgono (che può o non può essere ciò che si vuole, a seconda di come si sta trattando condizioni di bordo):
im = np.vstack((im[1:],im[0]))
im = np.column_stack((im[:,1:],im[:,0]))
print np.swapaxes(im.reshape(3,3,3,-1),1,2)
#Output:
[[[[10 11 12] [[13 14 15] [[16 17 9]
[19 20 21] [22 23 24] [25 26 18]
[28 29 30]] [31 32 33]] [34 35 27]]]
[[[37 38 39] [[40 41 42] [[43 44 36]
[46 47 48] [49 50 51] [52 53 45]
[55 56 57]] [58 59 60]] [61 62 54]]]
[[[64 65 66] [[67 68 69] [[70 71 63]
[73 74 75] [76 77 78] [79 80 72]
[ 1 2 3]] [ 4 5 6]] [ 7 8 0]]]]
Facendo in questo modo si finisce con 9 serie di array , quindi è necessario riavvolgerli nuovamente. Questo, e tutto il rimodellamento generalizza a questo (per le matrici e le dimensioni sono divisibile per 3):
def new(im):
rows,cols = im.shape
final = np.zeros((rows, cols, 3, 3))
for x in (0,1,2):
for y in (0,1,2):
im1 = np.vstack((im[x:],im[:x]))
im1 = np.column_stack((im1[:,y:],im1[:,:y]))
final[x::3,y::3] = np.swapaxes(im1.reshape(rows/3,3,cols/3,-1),1,2)
return final
Confrontando questa funzione new
a loop attraverso tutti gli strati (sotto), utilizzando timeit
, i suoi circa 4 volte più veloce , per un array 300 * 300.
def old(im):
rows,cols = im.shape
s = []
for x in xrange(1,rows):
for y in xrange(1,cols):
s.append(im[x-1:x+2,y-1:y+2])
return s
Qual è la vostra intenzione? Probabilmente vuoi eseguire una convoluzione? Dicci cosa farai con 'mask5', quindi possiamo aiutarti meglio, evviva. – fraxel
@fraxel: Dopo aver ottenuto la finestra, ho bisogno di ordinare i pixel nella finestra 3x3 di intensità, e creare un'altra finestra scorrevole (monodimensionale) su questo elenco, e in base a una condizione complessa sul mezzo dei pixel in queste diapositive (1-d), modificare di conseguenza il pixel centrale originale. –
Sembra che tu stia tentando di fare [soglia adattativa] (http://opencv.willowgarage.com/documentation/python/imgproc_miscellaneous_image_transformations.html?highlight=adaptivethreshold#AdaptiveThreshold)? Dai un'occhiata a quello, potrebbe fare quello che vuoi. – fraxel