Skip to main content
 首页 » 编程设计

python之用于 Python 图像处理的类似 Blockproc 的函数

2025年05月04日8xing901022

编辑:这是一张图片,所以建议的 ( How can I efficiently process a numpy array in blocks similar to Matlab's blkproc (blockproc) function) 对我来说并不适用

我有以下matlab代码

fun = @(block_struct) ... 
std2(block_struct.data) * ones(size(block_struct.data)); 
 
B=blockproc(im2double(Icorrected), [4 4], fun); 

我想重写我的代码,但这次是用 Python。我已经安装了 Scikit,我正在尝试像这样解决它

b = np.std(a, axis = 2)  

问题当然是我没有像上面那样对多个 block 应用 std。

我怎样才能做这样的事情?开始一个循环并尝试为每个 X*X block 调用函数?那我就不会保持原来的尺寸了。

还有其他更有效的方法吗?

请您参考如下方法:

如果窗口中没有重叠,您可以重新调整数据以满足您的需要:

求 9x9 数组的 3x3 窗口的平均值。

import numpy as np 
 
>>> a 
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]]) 

寻找新的形状

>>> window_size = (3,3) 
>>> tuple(np.array(a.shape) / window_size) + window_size 
(3, 3, 3, 3) 
>>> b = a.reshape(3,3,3,3) 

求沿第一和第三轴的平均值。

>>> b.mean(axis = (1,3)) 
array([[ 10.,  13.,  16.], 
       [ 37.,  40.,  43.], 
       [ 64.,  67.,  70.]]) 
>>>  

4x4 阵列的 2x2 窗口:

>>> a = np.arange(16).reshape((4,4)) 
>>> window_size = (2,2) 
>>> tuple(np.array(a.shape) / window_size) + window_size 
(2, 2, 2, 2) 
>>> b = a.reshape(2,2,2,2) 
>>> b.mean(axis = (1,3)) 
array([[  2.5,   4.5], 
       [ 10.5,  12.5]]) 
>>>  

如果窗口大小不能平均划分为数组大小,它将不起作用。在那种情况下,您需要在窗口中进行一些重叠,或者如果您只想重叠 numpy.lib.stride_tricks.as_strided 是可行的方法 - 可以在 Efficient Overlapping Windows with Numpy 找到通用的 N-D 函数。


二维数组的另一个选项是 sklearn.feature_extraction.image.extract_patches_2d对于 ndarray 的 - sklearn.feature_extraction.image.extract_patches .每个操作阵列的步幅以产生补丁/窗口。