通过更大的矩阵迭代子矩阵答案

【问题标题】：Iterate in submatrices through a bigger matrix通过更大的矩阵迭代子矩阵
【发布时间】：2017-08-06 09:04:50
【问题描述】：

我正在寻找一种方法，使用 for 循环可以迭代更大的矩阵，其中每次迭代都会输出一个大小为（行、列、深度）（6、3、3）的子矩阵。

我的大矩阵存储为 numpy 矩阵，并且也可能像这样输出每次迭代。

>>> import numpy as np
>>> a = np.random.rand(6*3,3*3,3)
>>> print a.shape
(18, 9, 3)
>>> print a
>>> b

变量 b 应该包含矩阵 a 中所有大小为 (6,3,3) 的子矩阵。每个子矩阵不应与先前的重叠。

【问题讨论】：

您在寻找滑动矩阵吗？输入数组中有多少维？你能添加一个示例案例吗？
是的......我想你可以称它为滑动矩阵......维度很好......行总是78（可以被6整除）。列取决于数据长度，但总是可以被 3 整除，深度为 3（实际上是 4 RGBA，但我将 alpha 通道切掉了）
那么，你应该从刚刚编辑的样本数据中得到多少这样的子矩阵？
@Divakar 来自较大矩阵的 3 个子矩阵
还是 27？再算一次？

标签： python loops numpy matrix

【解决方案1】：

方法#1

我假设我们正在寻找 non-overlapping/distinct 块。因此我们可以使用Scikit-image's view_as_blocks 实用程序-

from skimage.util.shape import view_as_blocks

BSZ = (6,3,3)
out = view_as_blocks(a,BSZ).reshape((-1,)+ (BSZ))

示例运行 -

In [279]: a = np.random.rand(6*3,3*3,3)

In [280]: out = view_as_blocks(a,BSZ).reshape((-1,)+ (BSZ))

In [281]: out.shape
Out[281]: (9, 6, 3, 3)

方法 #2

仅使用原生 NumPy 工具，例如 reshaping 和 transpose，这是一种方法 -

m,n,r = a.shape
split_shp = m//BSZ[0], BSZ[0], n//BSZ[1], BSZ[1], r//BSZ[2], BSZ[2]
out = a.reshape(split_shp).transpose(0,2,4,1,3,5).reshape((-1,)+ (BSZ))

【讨论】：

/usr/local/lib/python2.7/dist-packages/skimage/util/shape.py:94: RuntimeWarning: Cannot provide views on a non-contiguous input array without copying. warn(RuntimeWarning("Cannot provide views on a non-contiguous input "
我应该担心什么？
@J.Down 正如警告消息所述，我猜您的输入不是连续的，这取决于输入的来源。所以，为了安全起见，我想你可以使用第二个应用程序，因为内部第一个应用程序正在做类似的事情。
` out = matrix.reshape(split_shp).transpose(0,2,4,1,3,5).reshape((-1,)+ (BSZ)) ValueError: 总大小新数组必须不变`
啊。是的，我必须解决一些问题...由于可读性，我更喜欢方法 1 而不是方法 2。. 是否有可能使可读性更强？