Numpy:将数组中的每个值替换为其相邻元素的平均值

嗯,这是一个smoothing operation in image processing,可以用2D卷积来实现.你对近边界元素的工作方式有所不同.所以,如果边界元素是精确的,你可以scipy's convolve2d像这样使用-

from scipy.signal import convolve2d as conv2

out = (conv2(a,np.ones((3,3)),'same')/9.0

此特定操作是OpenCV模块内置的,cv2.blur并且非常高效.该名称基本上描述了模糊表示图像的输入数组的操作.我相信效率来自这样一个事实,即内部完全C通过一个瘦的Python包装来实现性能,以处理NumPy数组.

所以,输出也可以用它来计算,就像这样 -

import cv2 # Import OpenCV module

out = cv2.blur(a.astype(float),(3,3))

这是一个关于大图像/阵列的时间的快速显示 -

In [93]: a = np.random.randint(0,255,(5000,5000)) # Input array

In [94]: %timeit conv2(a,np.ones((3,3)),'same')/9.0
1 loops, best of 3: 2.74 s per loop

In [95]: %timeit cv2.blur(a.astype(float),(3,3))
1 loops, best of 3: 627 ms per loop