如何使用周围像素的内核将numpy数组重塑为新的ndarraw

Question

我有一个numpy数组，它的大小可能会有所不同（我马上就会讲到），我想对它进行重塑，使数组中的每个点都是原始数组的核心

假设我从数组开始：

np.arange(81).reshape(9,9)

>>> array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8],
       [ 9, 10, 11, 12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23, 24, 25, 26],
       [27, 28, 29, 30, 31, 32, 33, 34, 35],
       [36, 37, 38, 39, 40, 41, 42, 43, 44],
       [45, 46, 47, 48, 49, 50, 51, 52, 53],
       [54, 55, 56, 57, 58, 59, 60, 61, 62],
       [63, 64, 65, 66, 67, 68, 69, 70, 71],
       [72, 73, 74, 75, 76, 77, 78, 79, 80]])

但现在我想重塑这个数组，使数组中的每个“点”不是一个整数值，而是一个小的NxM数组。但是，我遇到的问题是较小的阵列重叠。所以我希望它看起来像：

array(
[[[[ 0  1  2]   [[ 1  2  3]   [[ 2  3  4]
   [ 9 10 11]    [10 11 12]    [11 12 13]
   [18 19 20]]   [19 20 21]]   [20 21 22]]]

因此，正如您所看到的，这些数组中存在重叠。我不知道如何使用numpy重塑方法来实现这一点。我最接近的方法是使用：

arr = np.arange(81).reshape(9,9)
kernalized = np.swapaxes(arr.reshape(3,3,3,-1),1,2)

>>> array(
[[[[ 0  1  2]   [[ 3  4  5]   [[ 6  7  8]
   [ 9 10 11]    [12 13 14]    [15 16 17]
   [18 19 20]]   [21 22 23]]   [24 25 26]]])

这就达到了正确的形状！所以我觉得我走对了路。但没有重叠。有人有什么想法我可以试试吗？ 正如上面添加的cherry一样，数组可以有不同的大小，因此理想情况下，我提出的任何代码都可以处理这个问题，但这并不是最大的问题，因为数组非常大，只需删掉几行或几列，使其可以被3整除就可以了

谢谢

Answer 1

您正在寻找as_strided：

from numpy.lib.stride_tricks import as_strided

strides = a.strides
window = 3 

out = as_strided(a, ((a.shape[0]-window+1),(a.shape[1]-window+1),window,window), 
               (strides[1], strides[1]) + a.strides 
              ).reshape(-1, window, window)

print(out[:3])

输出：

[[[ 0  1  2]
  [ 9 10 11]
  [18 19 20]]

 [[ 1  2  3]
  [10 11 12]
  [19 20 21]]

 [[ 2  3  4]
  [11 12 13]
  [20 21 22]]]