如何在python中计算大矩阵（平均滤波器）每个坐标的有效局部平均值答案

【问题标题】：How to calculate efficient local average of each coordinate of large matrix (average filter) in python如何在python中计算大矩阵（平均滤波器）每个坐标的有效局部平均值
【发布时间】：2010-11-02 14:47:08
【问题描述】：

我有大矩阵，4000x4000 我需要为这个矩阵的每个 x,y 计算 11x11 窗口的局部平均值一般应该是这样的

for x in range(4000)
  for y in range(4000)
    b[x,y]=mean(a[x-5:x+5,y-5:y+5]

但这会运行很多时间这是一种更有效的方法吗？谢谢。

【问题讨论】：

您不想在 Python 代码中进行此计算。 numpy 可能可以做到这一点，但他们的页面目前非常慢。
你试过使用 xrange 吗？您需要提高多少效率？

标签： python arrays matrix local average

【解决方案1】：

你本质上想要一个二维卷积。 Scipy 可以为您做到这一点：http://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.convolve2d.html

事实上，这里有一个类似的答案： 2d convolution using python and numpy

【讨论】：

【解决方案2】：

您可以使用动态编程技术使其速度提高很多倍。通过从左上角开始并从左到右然后从上到下移动来预处理矩阵，将每个单元格设置为其值与上面的一个（如果存在）和左边的一个（如果存在）的总和.到最后，右下角的值应该是整个矩阵的总和。

for x in xrange(4000):
    for y in xrange(4000):
        c[x,y] = a[x,y]
        if x > 0:
            c[x,y] += c[x-1,y]
        if y > 0:
            c[x,y] += c[x,y-1]

现在您可以通过从右上角减去左上角来获得任何矩形区域的总和：例如。在这种情况下，11x11 区域的总和将是

c[x+5,y+5]-c[x-5,y-5]

然后你可以只除以窗口的大小得到局部平均值：

b[x,y] = (c[x+5+,y+5]-c[x-5,y-5])/121

现在不必为矩阵中的每个元素迭代超过 121 个点，您只需在矩阵上进行 2 次遍历，而不需要对每个元素进行迭代。

【讨论】：