计算二维数组中的平均跨区域

Question

简而言之：我需要一个快速（预编译）函数，比如来自 OpenCV 的filter2d和双类型输出。不是整数。

详细信息： 我有一个 numpy 数组，它存储来自 OpenCV 的单色图像。

我需要像这样计算一些正方形（例如）内核的矩阵的平均值：

kernel size = (3,3)

输入数组：

[[13 10 10 10]
 [12 10 10  8]
 [ 9  9  9  9]
 [ 9 10 10  9]]

输出数组：

[[ 10.22222222   9.44444444]
 [  9.77777778   9.33333333]]

例如：10.22222 = (13+10+10+12+10+10+9+9+9)/9

我写这个函数：

def smooth_filt(src,area_x,area_y):
    y,x = src.shape
    x_lim = int(area_x/2)
    y_lim = int(area_y/2)
    result = np.zeros((y-2*y_lim,x-2*x_lim), dtype=np.float64)

    for x_i in range(x_lim,x-x_lim):
        for y_i in range(y_lim,y-y_lim):
            result[y_i-y_lim, x_i-x_lim] = np.mean(src[y_i-y_lim:y_i+area_y-y_lim,x_i-x_lim:x_i+area_x-x_lim])
    return result

但这还不够快。

请告诉我是否有更快的方法来计算这个。

答： 我检查了所有方法。可以看到代码：http : //pastebin.com/y5dEVbzX

并确定模糊是最强大的方法，它几乎与内核大小无关。

用不同方法处理一幅图像的图形。测试集是 298 张图像。

Answer 1

以块为单位计算平均值只是将图像与恒定内核进行卷积。您可以scipy.signal.convolve2d为此使用：

from scipy.signal import convolve2d
kernel = np.ones((3,3)) / 9.
out = convolve2d(img, kernel, mode='valid')

该mode='valid'参数仅用于获取您感兴趣的结果部分。