将函数应用于4d数组的每个维度，在python中返回4d数组

Question

我加载MNIST（test）数据集，其形状为（10000，28，28，1）（表示10000个图像（灰度28x28图像））。我想对每个图像应用运动模糊内核，得到同样形状的输出（10000，28，28，1）。 我试过使用def，vectorize，但是没有达到我的预期效果。你知道吗

它运行在python3.6上

x_test.shape
--> (numpy.ndarray) (10000, 28, 28, 1)


def blurize(x):
    # kernel
    k = np.array([[0,0,0,0,0,0,0.0013],
    [0,0,0,0.0086,0.0574,0.1061,0.1165],
    [0,0.0450,0.0938,0.1426,0.0938,0.0450,0],
    [0.1165,0.1061,0.0574,0.0086,0,0,0],
    [0.0013,0,0,0,0,0,0]])
    return (ndimage.convolve(x.reshape(28,28), k, mode='constant', cval=0.0))

blurred = blurize(x_test)
plt.imshow(blurred[1], interpolation='none', cmap='gray')
plt.show()

结果：

ValueError: cannot reshape array of size 7840000 into shape (28,28)

如果我试着 blurred = blurize(x_test[1]).它只适用于第二个图像。因为我不想通过x_test[I]在整个数组上循环，并再次将帧合并到预期的输出数组（10000，28，28，1）中。 谢谢。你知道吗

Answer 1

您可以^{}输入数组，广播内核，然后重塑输出以匹配初始维度：

ndimage.convolve(x.squeeze(), k[None, ...], mode='constant', cval=0.0)[..., None]