Esto se puede hacer más rápido, mediante la remodelación y el intercambio de ejes, y luego repetir sobre todos los elementos del núcleo, así:
im = np.arange(81).reshape(9,9)
print np.swapaxes(im.reshape(3,3,3,-1),1,2)
Esto le da una gran variedad de 3 * 3 fichas que tessalates través 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]]]]
para obtener las baldosas superpuestas que tenga que repetir este 8 más veces, pero 'envoltura' la matriz, mediante el uso de una combinación de vstack
y column_stack
. Tenga en cuenta que el derecho y teja inferior matrices se envuelven alrededor (que puede o no ser lo que quiera, dependiendo de cómo esté el tratamiento de condiciones de borde):
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]]]]
Hacerlo de esta manera que terminan con 9 juegos de matrices , entonces debes volver a unirlos. Esto, y toda la remodelación generaliza a esto (para las matrices donde las dimensiones son divisibles por 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
Comparando esta función new
a bucle a través de todas las rebanadas (abajo), usando timeit
, está a unos 4 veces más rápido , para una matriz de 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
¿Cuál es su intención? ¿Probablemente quieres realizar una convolución? Cuéntanos qué vas a hacer con 'mask5', entonces podemos ayudarte mejor, ¡salud! – fraxel
@fraxel: Después de obtener la ventana, necesito ordenar los píxeles en la ventana de 3x3 por intensidad, y crear otra ventana deslizante (unidimensional) sobre esta lista, y basada en una condición compleja en el medio de los píxeles en estas diapositivas (1-d) modifican el píxel central original en consecuencia. –
Parece que está intentando hacer [umbral adaptativo] (http://opencv.willowgarage.com/documentation/python/imgproc_miscellaneous_image_transformations.html?highlight=adaptivethreshold#AdaptiveThreshold)? Echa un vistazo a eso, puede hacer lo que quieras. – fraxel